基于李雅普诺夫方法的极限学习机在线非线性系统识别
摘要：极限学习机（ELM）是一种在非线性回归问题中应用的新兴学习范式，并在机器学习领域中显示出有效性。ELM的一个重要特点是学习速度非常快，这要归功于它的随机投影预处理步骤。本文利用这一特点，设计了一种用于非线性动态系统的在线参数估计算法。该算法考虑了ELM类型的随机投影和隐藏层中的非线性变换以及线性输出层，构建了基于Lyapunov原理的参数更新规律。在直流电机和洛伦兹振荡器上的仿真结果表明，所提出的算法稳定，并且比在线学习ELM算法具有改进的性能。
作者：Vijay Manikandan Janakiraman and Dennis Assanis
论文ID：1211.1441
分类：Systems and Control
分类简称：cs.SY
提交时间：2012-11-08