Relative Entropy (RE)-Based LTI System Modeling Equipped With Simultaneous Time Delay Estimation and Online Modeling
Notice bibliographique
Résumé
This paper proposes a novel and efficient method of impulse response modeling in presence of input and noisy output of a linear time-invariant (LTI) system. The approach utilizes Relative Entropy (RE) to provide the impulse response estimate of the system with an optimum length as well as the optimum time delay. Solution of the classical methods for this system modeling use two separate steps for the time delay estimation and for the system order selection. Time delay methods focus on various proposed criteria, while the existing order selection approaches choose the optimum impulse response length based on their own criteria that are different from the time delay approaches. The strength of the proposed RE based method is in using only "one" criterion, the RE based criterion, to estimate both the time delay and the impulse response length simultaneously. The desired RE is the Kullback-Leilber divergence of the estimated distribution from its unknown true distribution. A unique probabilistic validation approach estimates this unavailable desired relative entropy and minimizes this criterion to provide the impulse response estimate. In addition, estimation of the noise variance, when the Signal to Noise Ratio (SNR) is unknown, is concurrent and is based on optimizing the same RE based criterion. The method elaborates the critical role of the data length and the SNR in data based LTI system modeling. The approach is also extended for online impulse response estimation. The proposed online method reduces computational complexity of the offline model estimation upon the arrival of a new sample. The introduced efficient stopping criterion for the online approach is extremely valuable in practical applications. Simulation results depict superiority of the RE based approach as a time delay estimator or as an order selection approach compared to the conventional methods. They also illustrate precision and efficiency of the proposed method compared to the state of the art methods in simultaneous time delay estimation and order selection. Not only RE based method outperforms the competing approaches, but also is shown to be more robust to the variations of the SNR.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».