Комментарии 7
Как мне кажется, задача может быть представлена как идентификация динамической модели по набору измерений? Тогда резонно было бы смотреть в сторону методов SystemIdentification, и сравнивать с ними? Тем более, что, судя по картинкам, динамика систем то ли линейна, то ли очень близка к линейной, то есть должна неплохо идентифицироваться.
Мда, лет 10 назад делал наблюдатель для динамических систем на нейронных сетях для систем с обратной связью. Он даже работал на объектах малых порядков(не чекал для более 5 переменных состояния). Но тогда мне профессора на конференциях говорили что это фигня и никому не нужна. Прошло 10 лет. Вот часто ловлю себя на мысли что людям из control systems и machine learning надо чаще общаться.
Мы же нейронки применяли для более точного определения подстройки анти-эхо фильтра в телефонной линии на СТМ32, ну и самого антиэха. А так же местами для хитрой настройки аналогового модема (тоже автоподстройка по корреляции между множеством параметров)
Идентификация никогда не была легкой задачей и было придумано множество подходов. В реальности часто системы многомерные (5-50 параметров) нелинейные, измерению доступно малое количество параметров, а при их измерениях действуют шумы и инструментальные погрешности. А при оценивании системы из 5 переменных в большинстве случаев (например два моторчика и интегратор) нейросетка и вправду не нужна.
Самый главный вопрос — для чего конкретно применимы нейродифуры и какие они дают преимущества? Нейронки помогают интеграторам делать меньше шагов? Или дифурки позволяют делать менее нажористые сети для моделирования механики? Прочитал бегло и теперь в сомнениях, следует ли вникать глубже — вроде штука интересная, но не понятно для чего.
Правильно ли я понял, что они помогают аппроксимировать экспериментальные данные, для которых известна система дифуров?
Такое ощущение, что автор пытается специально усложнить понимание всего. На первой картинке последнее состояние с индексом N, потом в уравнении динамики последнее M, потом говорится что последнее состояние 1. Зачем так делать?
Как найти аппроксимацию
функции динамики
?
Почему во второй функции нет параметра тета?
Зачем писать такие статьи? Показать что сам такой крутой понял, повыпендриваться?
Формула 6 как вообще получилась? Что там вообще написано? Что за квадратные скобки, как это трактовать?
Знакомство с Neural ODE