LEARNING
从适定反演到学习设计：用于自主调节的物理信息神经估计
Sara Nour Sadoun, Giuseppe Alessio D'Inverno, Francois Cottin, Arnaud Boutin, Taous-Meriem Laleg-Kirati
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种物理信息输入-状态神经估计器，用于非线性受控系统中未知输入和状态的联合估计，并通过自主心脏调节模型进行了实例验证。该方法通过微分代数消除推导左可逆性条件，确保估计器满足鲁棒估计的结构要求。
关键词
physics-informedneural estimationinverse estimationnonlinear systemsautonomic regulation
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018