MétaCan
Menu
Retour à la cohorte
Enregistrement W2138556100 · doi:10.1109/ssp.2007.4301362

On Nonparametric Identification of Multi-Channel Hammerstein Systems

2007· article· en· W2138556100 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revue2007 IEEE/SP 14th Workshop on Statistical Signal Processing · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueControl Systems and Identification
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPointwiseNonparametric statisticsA priori and a posterioriKernel (algebra)GeneralizationIdentification (biology)MathematicsChannel (broadcasting)System identificationKernel density estimationMathematical optimizationComputer sciencePointwise convergenceParametric statisticsNonlinear systemDynamical systems theoryApplied mathematicsData modelingStatistics

Résumé

récupéré en direct d'OpenAlex

The paper deals with the problem of identification of a class of nonlinear dynamical systems of the multi-channel form. The examined system is the multi-channel generalization of the classical Hammerstein model. The a priori information about the system nonlinearities is very limited excluding any parametric approach to the problem. The modern statistical theory of nonparametric regression along with the marginal integration approach are applied to form estimates of the nonlinearities. In particular the generalized kernel regression techniques are used to construct the identification algorithms. Pointwise convergence rates of the proposed estimates are evaluated. A striking feature of one of our identification algorithm is its ability to decouple the estimation problem related to each channel. This is a surprising result since the input signals are dependent with completely unknown joint probability density function.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,277
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle