MétaCan
Menu
Retour à la cohorte
Enregistrement W2172066780 · doi:10.1080/0020717031000082540

On gramians and balanced truncation of discrete-time bilinear systems

2003· article· en· W2172066780 sur OpenAlexafffund
Liqian Zhang, James Lam, Biao Huang, Guang‐Hong Yang

Notice bibliographique

RevueInternational Journal of Control · 2003
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueModel Reduction and Neural Networks
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésObservabilityMathematicsReachabilityBounded functionBilinear interpolationTruncation (statistics)Applied mathematicsReduction (mathematics)Control theory (sociology)Lyapunov functionDiscrete time and continuous timeControllabilityComputer scienceMathematical analysisNonlinear systemAlgorithmControl (management)

Résumé

récupéré en direct d'OpenAlex

This paper obtains a balanced truncation model reduction method for discrete-time bilinear systems. After deriving the sufficient conditions for the discrete-time bilinear systems to lead to bounded outputs for some bounded inputs, we study the properties of the reachability and observability gramians. The gramians can be computed by solving two generalized Lyapunov equations. By balancing the reachability and observability gramians, a model reduction method is obtained. Some propositions of the reduced order models are given. A numerical example is given to illustrate the effectiveness of the proposed method.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,004
Tête enseignante GPT0,237
Écart entre enseignants0,232 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ControlMême sujetModel Reduction and Neural NetworksTravaux en français237 207