-
题名台风最大风速预测的高斯过程回归模型
被引量：6
- 1
-
-
作者
王鑫
李红丽
-
机构
江南大学轻工过程先进控制教育部重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2015年第1期59-62,共4页
-
基金
国家自然科学基金资助项目(61273070)
江苏省自然科学基金资助项目(BK2011003)
+2 种基金
高等学校学科创新引智计划资助项目(B12018)
江苏高校优势学科建设工程资助项目
江南大学自主科研计划青年基金资助项目(JUSRP11132)
-
文摘
针对影响台风最大风速的输入变量较多以及输入变量与输出变量之间的非线性变化特点,首先计算各个输入变量与输出变量间的互信息,这些互信息间接地反映了各个输入变量与输出变量间的相关性;然后根据t检验法确定一个阈值,对于互信息小于阈值的输入变量作不相关变量处理,筛选出最佳的模型输入变量;最后采用高斯过程回归模型对筛选后的样本集进行拟合,在贝叶斯非参数建模的框架下,确定高斯过程回归模型的协方差函数。仿真结果表明,所得高斯过程模型能够满足绝对误差的预定要求,且具有较大的实用价值。
-
关键词
高斯过程
回归分析
贝叶斯非参数模型
特征选择
互信息
-
Keywords
Gaussian process
regression analysis
Bayesian nonparametric model
feature selection
mutual information
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进动态系统稳定估计器的机器人技能学习方法
被引量：2
- 2
-
-
作者
金聪聪
刘安东
LIU Steven
张文安
-
机构
浙江工业大学信息工程学院
德国凯泽斯劳滕工业大学电气与计算机工程系
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第7期1771-1781,共11页
-
基金
浙江省自然科学基金重大项目(LD21F030002)
国家自然科学基金(61822311,61973275)资助。
-
文摘
提出一种基于改进动态系统稳定估计器的机器人技能学习方法.现有的动态系统稳定估计器方法可以通过非线性优化来确保学习系统的全局稳定性,但是存在确定高斯混合分量个数困难以及稳定性和精度无法兼顾的问题.因此,根据贝叶斯非参数模型可以自动确定合适分量个数的特性,采用狄利克雷过程高斯混合模型对演示进行初始拟合.随后利用参数化二次李雅普诺夫函数重新推导新的稳定性约束,有效地解决了动态系统稳定估计器方法中稳定性和精度难以兼顾的问题.最后,在LASA数据库和Franka-panda机器人上的实验验证了新方法的有效性和优越性.
-
关键词
示教学习
动态系统
贝叶斯非参数模型
高斯混合模型
李雅普诺夫函数
-
Keywords
Learning from demonstration
dynamical system
Bayesian nonparametric model
Gaussian mixture model
Lyapunov function
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
