基于神经网络与轨迹优化方法的非线性系统辨识
信号处理
2018-05-02 v2
摘要
本文中，我们研究使用神经网络对两个具有挑战性的基准问题进行辨识。采用两种不同的全局优化方法来训练循环神经网络以辨识两个具有挑战性的非线性模型：级联水箱和 Bouc-Wen 系统。第一种方法，商梯度系统（QGS），利用非线性动力系统的轨迹来寻找优化问题的局部极小值。第二种方法，基于动力学轨迹的方法，利用两个不同的非线性动力系统来寻找可行域的连通分支，然后在这些区域内搜索优化问题的局部极小值。仿真结果表明，两种方法均能有效地辨识级联水箱模型和 Bouc-Wen 模型。
引用
@article{arxiv.1804.10346,
title = {Nonlinear System Identification using Neural Networks and Trajectory-Based Optimization},
author = {Hamid Khodabandehlou and Mohammed Sami Fadali},
journal= {arXiv preprint arXiv:1804.10346},
year = {2018}
}
备注
This paper is based upon work supported by the National Science Foundation under Grant No. IIA-1301726