ニューラルネットワークを用いたハマースタイン系の同定

概要

論文の詳細を見る
これまでに, ハマースタインシステムの同定は, 主として入出力の相関関数を用いたノンパラメトリックな同定法が提案されている. それらは, 線形部の次数および非線形部の多項式の次数を既知とし, 非線形部に連続関数を仮定しているため, リレー, 不感帯特性など非線形性の強いシステムには適用できない. ニューラルネットワークは, 広範な非線形特性を表現でき, 学習, 汎化能力に優れているため, ハマースタインシステムの非線形部をNNで表現し, 広範な非線形特性をもつシステムの同定法を提案する. システムの線形部はARXモデルで表現し, その次数は未知とし出力は観測雑音で汚されている. 非線形要素を表すニューラルネットワークの重み係数および線形部のシステムパラメータは, 観測値を教師信号として一括して学習を行う. また, ニューラルネットワークのユニット数および線形部の次数は, MDL 情報量基準により推定する. 最後に, 不連続など強い非線形性をもつシステムに対して, シミュレーションを行い, 本手法の理論的正当性を検証する.
社団法人電子情報通信学会の論文
1999-05-13