Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Regularized estimation with variable exponential forgetting

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F20%3APU138218" target="_blank" >RIV/00216305:26620/20:PU138218 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9304385" target="_blank" >https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9304385</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/CDC42340.2020.9304385" target="_blank" >10.1109/CDC42340.2020.9304385</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Regularized estimation with variable exponential forgetting

  • Popis výsledku v původním jazyce

    The real-time estimation of normal regression-type models with unknown time-varying parameters is considered and discussed from the Bayesian perspective. A novel tracking technique combining the variable regularization approach with the forgetting operation is derived and elaborated into algorithmic details. The regularization of the parameter covariance is accomplished by incorporating soft equality constraints on the regression parameters into the learning procedure. The resultant procedure is designed to smooth the parameter estimate, preventing it from changing too rapidly. Moreover, the form of the constraints guarantees a minimal amount of information about the parameter estimate, which makes the estimator robust with respect to poor system excitation. The forgetting of obsolete information is provided in two different parameterization options and is performed automatically in a way that complies with the degree of the process nonstationarity. The whole concept preserves the selfreproducibility of the statistics of the normal-Wishart distribution.

  • Název v anglickém jazyce

    Regularized estimation with variable exponential forgetting

  • Popis výsledku anglicky

    The real-time estimation of normal regression-type models with unknown time-varying parameters is considered and discussed from the Bayesian perspective. A novel tracking technique combining the variable regularization approach with the forgetting operation is derived and elaborated into algorithmic details. The regularization of the parameter covariance is accomplished by incorporating soft equality constraints on the regression parameters into the learning procedure. The resultant procedure is designed to smooth the parameter estimate, preventing it from changing too rapidly. Moreover, the form of the constraints guarantees a minimal amount of information about the parameter estimate, which makes the estimator robust with respect to poor system excitation. The forgetting of obsolete information is provided in two different parameterization options and is performed automatically in a way that complies with the degree of the process nonstationarity. The whole concept preserves the selfreproducibility of the statistics of the normal-Wishart distribution.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2020

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    59th Conference on Decision and Control

  • ISBN

    978-1-7281-7446-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    7

  • Strana od-do

    312-318

  • Název nakladatele

    IEEE

  • Místo vydání

    New York

  • Místo konání akce

    Jeju Island, Republic of Korea

  • Datum konání akce

    14. 12. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000717663400040