• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Set-based Experiment Design for Model Discrimination Using Bilevel Optimization
【24h】

Set-based Experiment Design for Model Discrimination Using Bilevel Optimization

机译：基于集的双层优化模型识别实验设计

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Abstract: Experiment design can be used to discriminate between valid and invalid models. This task is not trivial as models are typically nonlinear and the kinetic parameters and initial conditions are uncertain. In this work, we propose a set-based and bilevel optimization approach to design an input sequence such that nonlinear models with uncertainties can be discriminated with guarantees based on a single measurement. In the outer program of the bilevel optimization program, an input minimizing a given norm and satisfying input constraints is determined. For the determined input sequence, the inner program certifies that the reachable output sets of the models are nonoverlapping at a chosen time-point, thus guaranteeing model discrimination. To be able to provide guarantees despite the nonconvexities of the reachable sets, we convexify the inner program. We demonstrate our approach at the chemostatic signaling system of Dictyostelium discoideum .
机译：摘要：实验设计可用于区分有效和无效模型。由于模型通常是非线性的，动力学参数和初始条件不确定，因此该任务并非易事。在这项工作中，我们提出了一种基于集合的双层优化方法来设计输入序列，以便可以基于一次测量通过保证来区分具有不确定性的非线性模型。在二层优化程序的外部程序中，确定使给定范数最小且满足输入约束的输入。对于确定的输入序列，内部程序将证明模型的可到达输出集在选定的时间点不重叠，从而保证了模型区分。为了尽管有可到达集合的非凸性也能够提供保证，我们将内部程序凸化。我们证明了Dicyostelium discoideum的化学信号系统的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号