• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Low-rank tensor recovery for Jacobian-based Volterra identification of parallel Wiener-Hammerstein systems
【24h】

Low-rank tensor recovery for Jacobian-based Volterra identification of parallel Wiener-Hammerstein systems

机译：基于Jacobian的Volterra识别并行Wiener-Hammerstein系统的低级张力恢复

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

摘要

We consider the problem of identifying a parallel Wiener-Hammerstein structure from Volterra kernels. Methods based on Volterra kernels typically resort to coupled tensor decompositions of the kernels. However, in the case of parallel Wiener-Hammerstein systems, such methods require nontrivial constraints on the factors of the decompositions. In this paper, we propose an entirely different approach: by using special sampling (operating) points for the Jacobian of the nonlinear map from past inputs to the output, we can show that the Jacobian matrix becomes a linear projection of a tensor whose rank is equal to the number of branches. This representation allows us to solve the identification problem as a tensor recovery problem.
机译：我们考虑从Volterra内核识别平行维也纳哈默斯坦结构的问题。 基于Volterra Kernels的方法通常求助于核心串联的张量分解。 然而，在平行维也纳 - Hammerstein系统的情况下，这些方法需要对分解的因素的非活动约束。 在本文中，我们提出了一个完全不同的方法：通过使用过去输入到输出的非线性地图的特殊采样（操作）点，我们可以表明雅各比矩阵成为级别的张量的线性投影 等于分支的数量。 此表示允许我们将识别问题作为张量恢复问题解决。

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