自回归与非自回归神经网络在系统辨识中的对比
机器学习
2021-05-06 v1 人工智能
系统与控制
系统与控制
摘要
将神经网络应用于非线性动态系统辨识任务有着悠久的历史，其中大多采用自回归方法。自回归，即使用前一时间步的模型输出，是在时间步之间传递系统状态的一种方法，对于用现代神经网络结构（如门控循环单元（GRU）和时序卷积网络（TCN））建模动态系统并非必要。我们在三个公开可用的系统辨识基准的仿真任务上，比较了GRU和TCN的自回归与非自回归实现的精度和执行性能。我们的结果表明，非自回归神经网络显著更快，且至少与其自回归对应物一样准确。与其他最先进的黑盒系统辨识方法比较显示，我们实现的非自回归GRU是性能最好的基于神经网络的系统辨识方法，且在无外推的基准中是最好的黑盒方法。
引用
@article{arxiv.2105.02027,
title = {Non-Autoregressive vs Autoregressive Neural Networks for System Identification},
author = {Daniel Weber and Clemens Gühmann},
journal= {arXiv preprint arXiv:2105.02027},
year = {2021}
}