基于在线学习优化动态模型库的多模型自适应控制

• 作者: 吴庆宪 姜长生 钱承山
• 来源期刊: 吉林大学学报(理学版)
• 学科: 工学
• 关键词: 多模型自适应控制 在线学习 动态模型库 优化
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 601-606
• 页数: 6页
• 分类号: TP273
• 字数: 4148字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-5489.2007.04.019

摘要

提出一种通过在线学习优化动态模型库的方法. 当子模型数量增长达到设定规模时, 根据动态模型库中各子模型与实际对象的匹配程度, 选取匹配程度最低的旧模型删除, 并添加新建子模型, 从而维持动态模型库在设定规模以内, 解决了在线学习建立动态模型库子模型数量不断增长的问题, 避免了子模型数量的过度增长而引起的计算量增加和性能下降, 并通过仿真证明了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜长生	南京航空航天大学自动化学院模式识别与智能控制实验室	380	3810	27.0	38.0
2	钱承山	南京航空航天大学自动化学院模式识别与智能控制实验室	15	83	5.0	8.0
6	吴庆宪	南京航空航天大学自动化学院模式识别与智能控制实验室	198	1678	22.0	30.0