摘要
本文将支持向量回归方法应用于非线性系统辨识问题 .基于高斯支持向量回归及ε不敏感损失函数的基本思想 ,本文提出一个非线性系统辨识的新算法 ,并将其与用于系统辨识的径向基函数神经网络进行了比较 .模拟实验表明 ,支持向量回归方法可以成为非线性系统辨识的有力工具 .
This paper applies Support Vector Regression (SVR) to nonlinear system identification problem. Using the basic idea of Gaussian SVR and ε insensitive loss function, we propose a new algorithm for nonlinear system identification and compare the Gaussian SVR with the radial basis function (RBF) network for system identification. The performance of the SVR is illustrated by a simulation example involving a benchmark nonlinear system.
出处
《信息与控制》
CSCD
北大核心
2003年第5期471-474,共4页
Information and Control
基金
国家自然科学基金资助项目 ( 60 0 2 43 0 1)
863计划资助项目 ( 2 0 0 1AA114 2 0 2 )
关键词
系统辨识
非线性系统
支持向量回归
神经网络
support vector regression
nonlinear system identification
Bayesian evidence framework
