• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Computational burden reduction in set-membership identification of Wiener models
【24h】

Computational burden reduction in set-membership identification of Wiener models

机译：维纳模型的集合成员身份识别中的计算负担减少

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

摘要

Recent results on set-membership identification presented in the literature show that the computation of parameter bounds requires the solution to a set of polynomial optimization problems. Although, in principle, global optimal solutions to such problems can be computed by applying suitable convex relaxation techniques, based on sum-of-squares decomposition and/or generalized moment theory, practical applicability of such methods are limited in practice by the high computational complexity. In this paper, we propose an original approach for reducing the computational load of the relaxed problems in terms of a reduction of the number of optimization variables. We also give a numerical example to show the effectiveness of the proposed technique.
机译：文献中提出的关于集合成员身份识别的最新结果表明，参数范围的计算需要解决一组多项式优化问题。尽管原则上可以通过应用适当的凸弛豫技术来计算此类问题的全局最优解，但基于平方和分解和/或广义矩理论，此类方法的实际适用性在实践中受到较高的计算复杂度的限制。在本文中，我们提出了一种原始方法，即通过减少优化变量的数量来减少松弛问题的计算量。我们还给出了一个数值示例来说明所提出技术的有效性。

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