MétaCan
Menu
Retour à la cohorte
Enregistrement W6959756843 · doi:10.11575/prism/3357

Using laguerre filters for system modeling and identification

2010· other· en· W6959756843 sur OpenAlexfundno aff

Notice bibliographique

RevuePRISM (University of Calgary) · 2010
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWheat and Barley Genetics and Pathology
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLaguerre polynomialsWeightingSystem identificationOrthogonal functionsLaguerre's methodFunction (biology)Linear systemConvergence (economics)

Résumé

récupéré en direct d'OpenAlex

When approximating systems with Laguerre Basis Functions it's important to tune the Laguerre pole such that the expansion is parsimonious and accurate.The sum of squared errors has multiple minima with respect to the Laguerre pole, ruling out numerical optimization.Currently there are two alternate methods: an asymptotical method, and the enforced convergence criterion (ECC).A generalization of the ECC will be investigated such that minimizing this generalized ECC and computing the asymptotically optimal Laguerre pole lead to equivalent solutions.It will be proved that the EGG is quasiconvex (it can be solved using numerical optimization techniques).Currently the methods of finding the optimal Laguerre pole are only appropriate in a system modeling framework since they depend on knowledge of the system's poles.It will be shown that the EGO can be formulated in a system identification framework and an algorithm will be proposed to find the minimizing Laguerre pole. TruncatedRamp Weighting Function 4 Conclusion and Future Work A Proof of Linear Independence B Detailed Proof of Theorem 3.1.2B.1 Case 1. B.2 Case 2 B.3 Case 3 C Alternative Proof of Quasiconvexity Bibliography V Wk weighting function for the ECC y(t), Y(z) output of a system in time and frequency domain Z[.] z-transform viii study Laguerre functions, most notably C. Deal and M. Schetzen [56].In his famous 1958 Lecture Series (which has been compiled into a book [64])N. Wiener suggested LBFs were the best basis functions to use for the expansion of Wiener kernels in nonlinear systems.His reasoning was ( 1) that any LTI system can be represented using LBFs, (2) they are orthogonal, (3) they guarantee stability of the nonlinear model (due to the exponential decay of the LBFs), and (4) LBF networks were easy to implement using simple R-C circuits.Some early applications of LBFs included studying hydrological rainfall runoff processes [1] and the eye pupil reflex [61].Since then, Laguerre filters have gained popularity, especially in the modelling and identification of nonlinear systems.Some more recent applications of LBFs include control applications [15], approximation of physiological systems [28][29][30]35,63], RF

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,648
Score d'incertitude au seuil0,190

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 Opus0,027
Tête enseignante GPT0,206
Écart entre enseignants0,179 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetWheat and Barley Genetics and PathologyTravaux en français237 207