集成预处理的贝叶斯非线性系统识别与高斯过程
人工智能
2013-09-18 v3 机器人学
系统与控制
机器学习
摘要
我们介绍了GP-FNARX：一种基于非线性自回归外生模型（NARX）和滤波回归量（F）的非线性系统识别新模型，其中非线性回归问题使用稀疏高斯过程（GP）解决。我们将数据预处理与系统识别集成到一个完全自动化的过程中，从原始数据到识别模型。预处理参数和GP超参数都通过最大化概率模型的边际似然来调整。我们获得了系统动力学的贝叶斯模型，该模型能够在数据稀缺的区域报告其不确定性。自动化方法、不确定性建模及其相对较低的计算成本使GP-FNARX成为机器人和自适应控制应用的良好候选。
引用
@article{arxiv.1303.2912,
title = {Integrated Pre-Processing for Bayesian Nonlinear System Identification with Gaussian Processes},
author = {Roger Frigola and Carl Edward Rasmussen},
journal= {arXiv preprint arXiv:1303.2912},
year = {2013}
}
备注
Proceedings of the 52th IEEE International Conference on Decision and Control (CDC), Firenze, Italy, December 2013