LEARNING
基于加权正则化的非线性系统数据驱动预测控制
Fritz A. Engeln, Sebastian Zieglmeier, Marta Zagórowska, Jan-Willem van Wingerden
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种针对非线性系统的数据驱动预测控制框架，通过加权范数正则化根据数据列与当前工作点的接近程度进行优先级排序，从而在不丢弃数据的情况下实现局部化预测。数值实验表明，该方法在保持完整数据矩阵和秩的同时，性能优于或等于硬数据选择方案。
关键词
data-driven controlpredictive controlnonlinear systemsweighted regularizationDeePC
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