-
题名大回归模型的自适应学习
- 1
-
-
作者
戴瑞芬
王芳
郭雷
-
机构
山东大学数据科学研究院
中国科学院数学与系统科学研究院系统控制重点实验室
-
出处
《自动化学报》
北大核心
2025年第10期2256-2268,共13页
-
基金
国家自然科学基金(T2293773,72371145,12288201)
国家重点研发计划(2024YFC3307200)
山东省泰山学者专项经费(tsqn 202211004)资助。
-
文摘
随着信息技术的快速发展,特别是计算能力和数据收集能力的持续提升,利用大参数模型对复杂场景进行建模已成为显著的发展趋势.然而,关于一般反馈输入下此类模型的学习问题,在控制系统领域却鲜有研究.鉴于此,针对饱和观测下的大回归模型,设计一种在线扩展型自适应学习算法.该算法可随着新数据的增加自动更新算法维数和计算结果,在无需存储历史数据的前提下,实现学习结果的动态调整与输出的实时预测.具体而言,在一般的非持续激励数据条件下证明了所提出算法的收敛性,该结果可以适用于一般反馈控制系统.此外,在无需任何数据激励条件的情况下,证明了所提出算法的预测“遗憾”具有良好的收敛性.最后,基于真实的故意伤害罪判决数据开展司法量刑预测实验,检验了所提出算法的计算效率和预测精度.
-
关键词
自适应学习
大回归模型
收敛性理论
一般数据条件
饱和观测
司法量刑
-
Keywords
Adaptive learning
large regression models
convergence theory
general data conditions
saturated observations
judicial sentencing
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
