Resumen

Los modelos autorregresivos cuasi-lineales con entradas exógenas (Quasi-ARX) han recibido considerable atención por su utilidad en la identificación y control de sistemas no lineales. En este artículo, se revisan y categorizan los métodos de identificación de modelos de tipo Quasi-ARX en tres grupos principales, y se propone un enfoque de aprendizaje de dos pasos como una extensión de los métodos clasificados por parámetros para identificar el modelo de red de funciones de base radial (RBFN) Quasi-ARX. En primer lugar, se utiliza un método de agrupamiento para proporcionar propiedades estadísticas del conjunto de datos para determinar los parámetros no lineales del modelo, que se interpretan de manera significativa en el sentido de los parámetros de interpolación de un modelo lineal local. En segundo lugar, se utiliza la regresión de vectores de soporte para estimar los parámetros lineales del modelo; al mismo tiempo, se proporciona un mapeo de kernel explícito en términos del procedimiento de identificación de parámetros no lineales, en el

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Cuasi-lineal; Autorregresivo; Entradas exógenas; Métodos de identificación; Sistema no lineal; Red de función de base radial
• Keywords:Quasi-linear; Autoregressive; Exogenous inputs; Identification methods; Nonlinear system; Radial basis function network