任意域上概率加权ARX模型的辨识
机器学习
2020-09-30 v1 机器学习
摘要
混合系统辨识是从数据中获得信息物理系统可靠模型的关键工具。分段仿射（PWA）模型保证通用逼近、局部线性以及与其他混合系统类的等价性。尽管如此，PWA辨识仍是一个具有挑战性的问题，需要同时解决回归和分类任务。本文中，我们关注具有任意区域（NPWARX）且以不连续映射为特征的分段带外生输入自回归模型的辨识，因此不限于多面体域。为此，我们提出一种基于概率混合模型的方法，其中离散状态由输入回归量所决定的多项分布表示。该架构遵循机器学习领域内发展的专家混合（Mixture of Expert）概念设计。为实现非线性划分，我们使用神经网络对判别函数进行参数化。然后，通过期望最大化（Expectation Maximization）最大化整体模型的似然，同时估计ARX子模型与分类器的参数。所提方法在一个具有不连续映射的非线性分段问题上得到验证。
引用
@article{arxiv.2009.13975,
title = {Identification of Probability weighted ARX models with arbitrary domains},
author = {Alessandro Brusaferri and Matteo Matteucci and Stefano Spinelli},
journal= {arXiv preprint arXiv:2009.13975},
year = {2020}
}
备注
6 pages, 3 figures