在模型辨识中引入关于结构约束的先验知识
机器学习
2020-07-09 v1 机器学习
摘要
模型辨识是化工行业中的一个关键问题。近年来，利用关于目标系统的部分知识来学习数据驱动模型受到越来越多的关注。大多数模型辨识技术不提供融入诸如模型结构等部分信息的自由度。在本文中，我们提出可利用此类部分信息以产生更好估计的模型辨识技术。具体而言，我们提出结构主成分分析(SPCA)，其通过利用关于模型的基本结构信息来改进现有方法如PCA。大多数现有方法或密切相关的方法使用稀疏约束，这可能计算代价高昂。我们提出的方法是对PCA的明智修改，以利用结构信息。所提方法的有效性通过合成和工业案例研究得到证明。
引用
@article{arxiv.2007.04030,
title = {Incorporating prior knowledge about structural constraints in model identification},
author = {Deepak Maurya and Sivadurgaprasad Chinta and Abhishek Sivaram and Raghunathan Rengaswamy},
journal= {arXiv preprint arXiv:2007.04030},
year = {2020}
}