MétaCan
Menu
Retour à la cohorte
Enregistrement W2332154633 · doi:10.1021/ie500175r

Multiple-Model Based Linear Parameter Varying Time-Delay System Identification with Missing Output Data Using an Expectation-Maximization Algorithm

2014· article· en· W2332154633 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueControl Systems and Identification
Établissements canadiensUniversity of Alberta
Organismes subventionnairesHigher Education Discipline Innovation ProjectPriority Academic Program Development of Jiangsu Higher Education InstitutionsNatural Sciences and Engineering Research Council of CanadaJiangnan UniversityNational Natural Science Foundation of ChinaAlberta Innovates - Technology Futures
Mots-clésAlgorithmComputer scienceExpectation–maximization algorithmSystem identificationMissing dataIdentification (biology)Control theory (sociology)MaximizationImpulse responseEstimation theoryLinear modelMathematicsMathematical optimizationData modelingMaximum likelihoodControl (management)Artificial intelligenceStatistics

Résumé

récupéré en direct d'OpenAlex

This paper is concerned with the identification problems of the linear parameter varying (LPV) system with missing output in the presence of the time-delay. A multiple-model approach is adopted. Local models varying from one operating point to another are first described by finite impulse response (FIR) models. To handle missing output and time-delay, the expectation-maximization (EM) algorithm is utilized to estimate the unknown parameters and the time-delay simultaneously. Output Error (OE) models are widely used in controller design. Therefore, the auxiliary model principle is employed to recover the OE models based on the initially identified FIR models. The EM algorithm is then used again to refine the unknown parameters of the OE models with the complete data set to obtain the final global model. Simulation examples are presented to demonstrate the performance 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.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,779
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,111
Tête enseignante GPT0,311
Écart entre enseignants0,200 · 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