基于系统辨识的机器学习模型参数可调性研究
Automation Application(2019)
摘要
研究模型参数的系统辨别是提高模型透明度以及可理解性的重要方法,也是进行模拟参数估计的重要前提.参数可辨识性具有一定的物理意义时,便具有了创建模型的基本框架.模型参数的可调性,即可辨别性,无论是在模型结构,还是在统计学习理论或者学习算法等各种方面都具有代表性的意义.通过系统性研究参数模型的可调性,并根据基础建模的特征,将参数模型分为两个框架结构,即非时变框架和时变框架,论述了动态模型,以及随机过程模型的可调性意义.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要