LEARNING
一种基于递归子空间方法的时变系统误差变量模型辨识
Deepanjhan Das, Shankar Narasimhan
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
该论文提出了一种递归形式的子空间辨识算法（RSMI-IPCA），能够在线估计时变系统的状态空间模型及噪声方差。该方法通过固定长度滑动窗口实现自适应更新，适用于传感器退化、工况变化和结构修改等场景。
关键词
subspace identificationerrors-in-variablestime-varying systemsrecursive algorithmonline identification
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