NARX 配置下离散时间前馈神经网络的稳定性
系统与控制
2021-10-07 v4 系统与控制
摘要
将前馈神经网络（FFNNs）用作非线性自回归外生（NARX）模型的回归函数，从而得到本文称为神经 NARX（NNARXs）的模型，在机器学习应用于非线性系统辨识的早期颇为流行，因其结构简单且易于应用于控制设计。然而，关于这些模型稳定性性质的可用理论结果很少。在本文中我们解决该问题，提供了一个充分条件，在此条件下 NNARX 模型被保证具有输入到状态稳定性（ISS）和增量输入到状态稳定性（δISS）性质。该条件是对底层 FFNN 权重的一个不等式，可在训练过程中施加以确保模型的稳定性。所提出的模型及其稳定性条件在 pH 中和过程基准上进行了测试，显示出令人满意的结果。
引用
@article{arxiv.2012.03741,
title = {Stability of discrete-time feed-forward neural networks in NARX configuration},
author = {Fabio Bonassi and Marcello Farina and Riccardo Scattolini},
journal= {arXiv preprint arXiv:2012.03741},
year = {2021}
}
备注
Copyright 2021 by the authors. This work has been accepted to IFAC (19th IFAC Symposium on System Identification: learning models for decision and control) for publication under a Creative Commons Licence CC-BY-NC-ND. Published article: https://doi.org/10.1016/j.ifacol.2021.08.417