Identificación del sistema basado en el núcleo utilizando funciones de base ortogonales generalizadas y técnicas metaheurísticas
Video Experimental Relacionado
Updated: Sep 10, 2025

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances
Published on: October 11, 2018
1Department of Control Science and Engineering, Harbin Institute of Technology, Harbin, 150006, China.
Este estudio presenta nuevos métodos para la regularización basada en el núcleo (KRM) en la identificación del sistema. El diseño mejorado del núcleo y la optimización de hiperparámetros meta-heurísticos mejoran el rendimiento de la estimación del modelo.
Área de la Ciencia:
- Ingeniería de sistemas de control
- Aprendizaje automático
- Procesamiento de señales
Sus antecedentes:
- Los métodos de regularización basados en el núcleo (KRM) son fundamentales en la identificación del sistema tanto para los sistemas causales como para los no causales.
- Los desafíos clave en KRM incluyen el diseño del núcleo y la estimación de hiperparámetros.
- Los enfoques KRM existentes requieren soluciones sólidas para estos desafíos.
Más Videos Relacionados
Videos de Conceptos Relacionados
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
Classification of Systems-I
Homogeneity dictates that if an input x(t) is multiplied by a constant c, the output y(t) is multiplied by the same constant. Mathematically, this is expressed as:
Classification of Systems-II
Heuristics
People often rely on heuristics when faced with an overload of information, limited time, low importance of the decision, limited information, or when a heuristic readily comes to mind. For...
Quantifying and Rejecting Outliers: The Grubbs Test

