系统辨识算法的复杂性、收敛性及计算效率研究
来源期刊:控制与决策2016年第10期
论文作者:丁锋
文章页码:1729 - 1741
关键词:参数估计;并行计算;递阶计算;鞅收敛定理;多新息辨识理论;递阶辨识原理;
摘 要:实践中经常会遇到大型计算问题和优化问题,使得求解问题算法的复杂性、计算量和计算精度等成为突出问题,特别是大规模非线性多变量系统的辨识.对此,提出几个有趣的研究课题:1)利用信息滤波技术和多新息辨识理论研究能提高辨识精度的大规模系统辨识理论与方法;2)利用递阶辨识原理研究维数高、变量数目多、计算量小的多变量系统递阶辨识方法;3)利用鞅收敛理论建立非线性多变量系统辨识方法的收敛理论;4)利用并行计算与递阶计算技术提高辨识算法的计算效率,以解决一类大规模非线性多变量系统的模型化问题.
丁锋
江南大学物联网工程学院
摘 要:实践中经常会遇到大型计算问题和优化问题,使得求解问题算法的复杂性、计算量和计算精度等成为突出问题,特别是大规模非线性多变量系统的辨识.对此,提出几个有趣的研究课题:1)利用信息滤波技术和多新息辨识理论研究能提高辨识精度的大规模系统辨识理论与方法;2)利用递阶辨识原理研究维数高、变量数目多、计算量小的多变量系统递阶辨识方法;3)利用鞅收敛理论建立非线性多变量系统辨识方法的收敛理论;4)利用并行计算与递阶计算技术提高辨识算法的计算效率,以解决一类大规模非线性多变量系统的模型化问题.
关键词:参数估计;并行计算;递阶计算;鞅收敛定理;多新息辨识理论;递阶辨识原理;