基于采樣稀疏學習的非線性動力系統(tǒng)辨識

摘要： 現(xiàn)有系統(tǒng)辨識方法常將非線性動力系統(tǒng)辨識問題轉(zhuǎn)化為稀疏回歸問題。針對現(xiàn)有方法應對噪聲與小樣本能力不足的問題,提出了一種基于采樣稀疏學習的非線性動力系統(tǒng)辨識方法。首先,在復雜辨識問題被描述為稀疏回歸問題的基礎(chǔ)上,引入指示變量對稀疏結(jié)構(gòu)進行編碼;然后,基于嵌有Metropolis-Hastings算法的Gibbs采樣器對稀疏結(jié)構(gòu)進行學習;最后,通過簡單的線性回歸獲得動力學方程的各項系...