科研之友
微信
新浪微博
Facebook
分享链接
摘要
多重不确定性环境下的非线性系统辨识是一个开放问题.贝叶斯学习在描述、处理不确定性方面具有显著优势,已在线性系统辨识方面得到广泛应用,但在非线性系统辨识的应用较少,面临概率估计复杂、计算量大等困难.本文针对上述问题,以典型维纳非线性过程为对象,提出基于随机变分贝叶斯的非线性系统辨识方法.首先对过程噪声、测量噪声以及参数不确定性进行概率描述;然后利用随机变分贝叶斯方法对模型参数进行后验估计.在估计过程中,利用随机优化思想,仅利用部分中间变量概率信息估计模型参数分布的自然梯度期望,与利用所有中间变量概率信息估计模型参数比较,显著降低了计算复杂性.该方法是首次在系统辨识领域中的应用.本文利用一个仿真实例和一个维纳模型的Benchmark问题,证明了该方法在对大规模数据系统辨识时的有效性.
-
单位重庆大学; 自动化学院
