MétaCan
Menu
Retour à la cohorte
Enregistrement W3088647574 · doi:10.1002/rnc.5190

Variational Bayesian identification for bilinear state space models with Markov‐switching time delays

2020· article· en· W3088647574 sur OpenAlexaff
Qiuling Fei, Junxia Ma, Weili Xiong, Fan Guo

Notice bibliographique

RevueInternational Journal of Robust and Nonlinear Control · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésBilinear interpolationMarkov chainState spaceControl theory (sociology)Markov modelMathematicsObserver (physics)State-space representationState (computer science)Discrete time and continuous timeSequence (biology)Continuous-time Markov chainMarkov processComputer scienceBayesian probabilityMathematical optimizationAlgorithmVariable-order Markov modelControl (management)Artificial intelligenceStatistics

Résumé

récupéré en direct d'OpenAlex

Summary This article studies the parameter identification problem for bilinear state space models with time‐varying time delays. Considering the correlation of time delays, the Markov chain switching mechanism is adopted to model the delay sequence. Based on the observer canonical form, the bilinear state space model is transformed into a regressive form. A bilinear state observer is designed to estimate the state variables. Under the variational Bayesian scheme, the system parameters, discrete delays, and the Markov transition probabilities are identified by using the measurement data. A numerical example and a continuous stirred tank reactor simulation are employed to validate the effectiveness of the proposed algorithm.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,953
Score d'incertitude au seuil0,435

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,008
Tête enseignante GPT0,204
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Robust and Nonlinear ControlMême sujetFault Detection and Control SystemsTravaux en français237 207