nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

Impulse Response Estimation of Linear Time-Invariant Systems Using Convolved Gaussian Processes and Laguerre Functions

verfasst von : Cristian Guarnizo, Mauricio A. Álvarez

Erschienen in: Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

This paper presents a novel method to estimate the impulse response function of Linear Time-Invariant systems from input-output data by means of Laguerre functions and Convolved Gaussian Processes. We define a new non-stationary covariance function that encodes the convolution between the Laguerre functions and the input. The input (excitation) is modelled by a Gaussian Process prior. Thus, we are able to estimate the system’s impulse response by performing maximum likelihood estimation over the model hyperparameters. Besides, the proposed model performs well in missing and noisy data scenarios.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Multi-objective Overlapping Community Detection by Global and Local Approaches

Nächstes Kapitel A Novel Hybrid Data Reduction Strategy and Its Application to Intrusion Detection

Álvarez, M.A., Luengo, D., Lawrence, N.D.: Linear latent force models using Gaussian processes. IEEE Trans. Pattern Anal. Mach. Intell. 35(11), 2693–2705 (2013)CrossRef

Boyle, P., Frean, M.: Dependent Gaussian processes. In: Saul, L.K., Weiss, Y., Bottou, L. (eds.) Advances in Neural Information Processing Systems, vol. 17, pp. 217–224. MIT Press (2005). http://papers.nips.cc/paper/2561-dependent-gaussian-processes.pdf

Dass, S.C., Lee, J., Lee, K., Park, J.: Laplace based approximate posterior inference for differential equation models. Stat. Comput. 27(3), 679–698 (2017). https://doi.org/10.1007/s11222-016-9647-0 MathSciNetCrossRefMATH

Haber, R., Keviczky, L.: Nonlinear System Identification - Input-Output Modeling Approach. Kluwer Academic, Dordrecht (1999)CrossRefMATH

Israelsen, B.W., Smith, D.A.: Generalized laguerre reduction of the volterra kernel for practical identification of nonlinear dynamic systems. CoRR abs/1410.0741 (2014). http://arxiv.org/abs/1410.0741

Lawrence, N.D., Sanguinetti, G., Rattray, M.: Modelling transcriptional regulation using Gaussian processes. In: Schölkopf, B., Platt, J.C., Hoffman, T. (eds.) Advances in Neural Information Processing Systems, vol. 19, pp. 785–792. MIT Press (2007). http://papers.nips.cc/paper/3119-modelling-transcriptional-regulation-using-gaussian-processes.pdf

Rasmussen, C., Williams, C.: Gaussian Processes for Machine Learning. Adaptive Computation and Machine Learning. MIT Press, Cambridge (2006)MATH

Reginato, B.C., Oliveira, G.H.C.: On selecting the MIMO generalized orthonormal basis functions poles by using particle swarm optimization. In: 2007 European Control Conference (ECC), pp. 5182–5188, July 2007

Risuleo, R.S., Bottegal, G., Hjalmarsson, H.: Kernel-based system identification from noisy and incomplete input-output data. In: 2016 IEEE 55th Conference on Decision and Control (CDC), pp. 2061–2066, December 2016

10.

Stanislawski, R., Hunek, W.P., Latawiec, K.J.: Modeling of nonlinear block-oriented systems using orthonormal basis and radial basis functions. In: International Conference on Systems Engineering, pp. 55–58 (2008)

11.

Tobar, F., Bui, T.D., Turner, R.E.: Learning stationary time series using Gaussian processes with nonparametric kernels. In: Cortes, C., Lawrence, N.D., Lee, D.D., Sugiyama, M., Garnett, R. (eds.) Advances in Neural Information Processing Systems, vol. 28, pp. 3501–3509. Curran Associates, Inc. (2015)

12.

Wahlberg, B.: System identification using Laguerre models. IEEE Trans. Autom. Control 36(5), 551–562 (1991)MathSciNetCrossRefMATH

Titel: Impulse Response Estimation of Linear Time-Invariant Systems Using Convolved Gaussian Processes and Laguerre Functions
verfasst von: Cristian Guarnizo
Mauricio A. Álvarez
Verlag: Springer International Publishing
Buch: Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications
Print ISBN: 978-3-319-75192-4

Electronic ISBN: 978-3-319-75193-1

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-319-75193-1_34

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner