具有性能保证的鲁棒循环神经网络用于开放水域船舶运动辨识——技术报告
机器学习
2022-12-19 v2 系统与控制
系统与控制
摘要
循环神经网络能够纯粹从输入输出测量中学习未知非线性系统的动力学。然而，由此得到的模型并未对输入输出映射提供任何稳定性保证。在本工作中，我们将循环神经网络表示为带有非线性扰动的线性时不变系统。通过对参数引入约束，我们可以保证有限增益稳定性和增量有限增益稳定性。我们将该辨识方法应用于学习在开放水域中运动的四自由度船舶的运动，并将其与其他具有无约束参数的纯基于学习的方法进行比较。我们的分析表明，受约束的循环神经网络在测试集上的预测精度较低，但它在分布外数据集上取得了可比的结果，并且满足稳定性条件。
引用
@article{arxiv.2212.05781,
title = {Robust Recurrent Neural Network to Identify Ship Motion in Open Water with Performance Guarantees -- Technical Report},
author = {Daniel Frank and Decky Aspandi Latif and Michael Muehlebach and Benjamin Unger and Steffen Staab},
journal= {arXiv preprint arXiv:2212.05781},
year = {2022}
}