• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Active Learning of Modular Plant Models ?
【24h】

Active Learning of Modular Plant Models ?

机译：主动学习模块化植物模型 ？

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

摘要

Model-based techniques are these days being embraced by the industry in their development frameworks. While model-based approaches allow for offline verification and validation of the system, and have other advantages over existing methods, they do have their own challenges. One of the challenges is to obtain a model describing the behavior of the system. In this paper we present the Modular Plant Learner (MPL), an algorithm that explores the state-space and constructs a discrete model of a system. The MPL takes as input a hypothesis structure of the system - called the PSH - and using this information, interacts with a simulation of the system to construct a modular discrete-event model. Using an example we show how the algorithm uses the structural information provided - the PSH - to search the state-space in a smart manner, mitigating the state-space explosion problem.
机译：这些日子是基于模型的技术，在其发展框架中被行业接受。虽然基于模型的方法允许离线验证和验证系统，但对现有方法具有其他优点，他们确实有自己的挑战。其中一个挑战是获得描述系统行为的模型。在本文中，我们介绍了模块化植物学习者（MPL），这是一种探索状态空间的算法，并构建系统的离散模型。 MPL作为输入系统的假设结构 - 称为PSH - 并使用此信息，并使用系统的模拟来构建模块化离散事件模型。使用示例，我们展示了算法如何使用所提供的结构信息 - PSH - 以智能方式搜索状态空间，减轻状态空间爆炸问题。

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