利用深度网络在训练阶段仅针对非线性黑盒系统识别的能力
原文中文，约400字，阅读约需1分钟。发表于：。为了在系统辨识中充分利用深度模型的建模能力，本研究提出了一种新的训练策略，仅在训练阶段使用深度模型。通过采用两个具有不同结构和目标的分离模型，第一个模型是目标为模拟系统输出分布的深度生成模型（教师模型），第二个模型是基于浅层基函数的模型（学生模型），通过系统输入来预测系统输出。通过使这两个模型学习的表示空间保持一致，使学生模型继承了教师模型的逼近能力。仿真结果在三个非线性基准测试上与应用于相...
本研究提出了一种新的训练策略，通过使用深度模型来充分利用其建模能力。通过两个不同结构和目标的分离模型，即深度生成模型和基于浅层基函数的模型，来预测系统输出。该方法在三个非线性基准测试上表现出与深度架构相似的性能，并实现了算法透明性和结构效率。
