PulseAugur
实时 11:32:54

提出用于非线性系统辨识的新框架

研究人员提出了一种新颖的半参数框架——正交差异核(ODKs),用于非线性系统辨识。该方法有效地将差异函数与基于物理的组件分离开来,即使在处理不完整的物理知识时也能实现更具可解释性的模型。ODK框架利用正交高斯过程回归来实现稀疏参数选择与差异学习之间的平衡。 AI

影响 引入了一种新的系统辨识方法,有望提高用不完整物理数据训练的模型的解释性和准确性。

排序理由 该集群包含一篇详细介绍新颖机器学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

提出用于非线性系统辨识的新框架

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Lawrence Bull ·

    面向带部分物理约束的学习的正交差异核

    We introduce a semi-parametric framework for nonlinear system identification, which decouples discrepancy functions from physics-based components. Orthogonal Gaussian process regression balances sparse parameter selection (the white box) with discrepancy learning (the black box) …