线性状态空间模型的若干学习问题研究
摘要 | 第5-7页 |
abstract | 第7-9页 |
符号说明 | 第12-13页 |
第1章 绪论 | 第13-26页 |
1.1 课题研究背景和意义 | 第13-15页 |
1.2 国内外研究现状 | 第15-24页 |
1.2.1 迭代优化方法 | 第17-20页 |
1.2.2 子空间方法 | 第20-23页 |
1.2.3 辨识方法扩展 | 第23-24页 |
1.3 论文的主要内容简介 | 第24-25页 |
1.4 本章小结 | 第25-26页 |
第2章 多模型情况下的多样性研究 | 第26-43页 |
2.1 课题研究背景和意义 | 第26-27页 |
2.2 行列式点过程 | 第27-29页 |
2.3 多样性先验 | 第29-34页 |
2.3.1 状态空间模型的模型表示 | 第30-31页 |
2.3.2 多样性正则项 | 第31-32页 |
2.3.3 优化方法 | 第32-34页 |
2.4 实验验证 | 第34-41页 |
2.4.1 实验设置 | 第34-35页 |
2.4.2 人工数据集 | 第35-37页 |
2.4.3 基准数据集 | 第37-41页 |
2.5 本章小结 | 第41-43页 |
第3章 基于贝叶斯优化的参数推断 | 第43-63页 |
3.1 课题研究背景和意义 | 第43-44页 |
3.2 贝叶斯优化 | 第44-48页 |
3.2.1 高斯过程 | 第44-45页 |
3.2.2 期望改善方法 | 第45-48页 |
3.3 方向性约束 | 第48-53页 |
3.4 实验验证 | 第53-61页 |
3.4.1 评价标准 | 第53-54页 |
3.4.2 数值模拟 | 第54-59页 |
3.4.3 基准数据集 | 第59-61页 |
3.5 本章小结 | 第61-63页 |
第4章 流体状态机在时序数据分类上的应用 | 第63-76页 |
4.1 课题研究背景和意义 | 第63页 |
4.2 模型表述 | 第63-68页 |
4.2.1 多模型下的距离度量方法 | 第65-67页 |
4.2.2 模型扩展 | 第67-68页 |
4.3 实验验证 | 第68-75页 |
4.3.1 合成数据处理 | 第69-71页 |
4.3.2 基准数据测试 | 第71-75页 |
4.4 本章小结 | 第75-76页 |
第5章 模型复杂度估计 | 第76-94页 |
5.1 课题研究背景和意义 | 第76-77页 |
5.2 最小编码描述长度 | 第77-79页 |
5.3 模型复杂度判别标准 | 第79-83页 |
5.4 实验模拟 | 第83-92页 |
5.4.1 序列预测 | 第83-85页 |
5.4.2 真实数据集 | 第85-87页 |
5.4.3 模型阶数消减 | 第87-90页 |
5.4.4 非线性数据集 | 第90-92页 |
5.5 本章小结 | 第92-94页 |
第6章 结论与展望 | 第94-97页 |
6.1 全文工作总结 | 第94-95页 |
6.2 未来工作展望 | 第95-97页 |
参考文献 | 第97-106页 |
附录A 行列式点过程计算补充 | 第106-109页 |
A.1 归一化系数 | 第106页 |
A.2 方程求解方法 | 第106-109页 |
附录B 后验分布的更新 | 第109-113页 |
附录C 线性状态空间模型的复杂度估计 | 第113-122页 |
致谢 | 第122-123页 |
在读期间发表的学术论文与取得的研究成果 | 第123页 |