چکیده This manuscript details the SIMBa toolbox (System Identification Methods leveraging Backpropagation), which uses well-established Machine Learning tools for discrete-time linear multi-step-ahead state-space System Identification (SI). Backed up by novel linear-matrix-inequality-based free parametrizations of Schur matrices to guarantee the stability of the identified model by design, SIMBa allows for seamless integration of prior system knowledge. In particular, it can simultaneously enforce desired system properties – such as sparsity patterns – and stability on the model, solving an open SI problem. We extensively investigate SIMBa’s behavior when identifying diverse systems with various properties from both simulated and real-world data. Overall, we find it consistently outperforms traditional stable subspace identification methods, and sometimes significantly, even while enforcing desired model properties. These results hint at the potential of SIMBa to pave the way for generic structured nonlinear SI. The toolbox is open-sourced on https://github.com/Cemempamoi/simba.

چکیده به فارسی (ترجمه ماشینی) این نسخه خطی ، جعبه ابزار SIMBA (روش های شناسایی سیستم را با استفاده از پشتوانه از پشتی) ، که از ابزارهای یادگیری ماشین به خوبی تثبیت شده برای شناسایی سیستم حالت چند مرحله ای و پیشرفته حالت خطی (SI) استفاده می کند ، شرح می دهد.با حمایت از پارامترهای رایگان مبتنی بر ماتریس-ماتریس خطی جدید از ماتریس های Schur برای تضمین ثبات مدل مشخص شده توسط طراحی ، SIMBA امکان ادغام یکپارچه دانش سیستم قبلی را فراهم می کند.به طور خاص ، می تواند به طور همزمان خصوصیات سیستم مورد نظر – مانند الگوهای کمبود – و پایداری در مدل را اجرا کند و یک مشکل SI باز را حل کند.ما به طور گسترده رفتار SIMBA را هنگام شناسایی سیستم های متنوع با خصوصیات مختلف از داده های شبیه سازی شده و در دنیای واقعی بررسی می کنیم.به طور کلی ، ما می دانیم که به طور مداوم از روشهای شناسایی زیر فضایی با ثبات سنتی ، و گاهی اوقات به طور قابل توجهی ، حتی در هنگام اجرای خصوصیات مدل مورد نظر ، بهتر است.این نتایج به پتانسیل SIMBA برای هموار کردن راه برای SI غیرخطی ساختاری عمومی اشاره می کند.جعبه ابزار در https://github.com/cemempamoi/simba باز است.

دسته بندی موضوعات Systems and Control,سیستم و کنترل ،

عنوان مقاله به انگلیسی SIMBa: System Identification Methods leveraging Backpropagation

عنوان مقاله به فارسی SIMBA: روش‌های شناسایی سیستم که از انتشار معکوس استفاده می‌کنند

لینک دانلود مقاله دانلود مقاله

نویسندگان Loris Di Natale, Muhammad Zakwan, Philipp Heer, Giancarlo Ferrari Trecate, Colin N. Jones

مشاهده بیشتر