BriefGPT - AI 论文速递
·
基于神经网络的混合系统辨识方法
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于机器学习的未知动态系统模型的设计问题和神经网络结构。该神经网络结构可以生成具有分段仿射动力学的混合系统模型，并具有可微性。研究表明，该方法在最优控制设计和混合系统的系统识别方面具有类似的性能，并在非线性基准测试中具有竞争力。
🎯
关键要点
-
本文探讨了基于机器学习的未知动态系统模型设计问题。
-
提出了一种特定的神经网络结构，能够生成具有分段仿射动力学的混合系统模型。
-
该神经网络结构具有可微性，支持基于导数的训练过程。
-
通过精心选择NN权重，可以产生具有结构特性的混合系统模型。
-
在有限视野最优控制问题中，该方法在计算方面具有有利条件。
-
可以通过非线性规划计算出具有强大局部最优性保证的最优解。
-
与传统的混合整数优化方法相比，该方法在混合系统的最优控制设计中表现优越。
-
数值模拟表明，该基于NN的技术在混合系统的系统识别方面表现出类似的性能，并在非线性基准测试中具有竞争力。
➡️
