カッコウ探索アルゴリズム調整型ガウシャンプロセスモデルによるHammersteinシステム同定

抄録

本稿では、非線形静的要素と線形動的要素が直列に接続されたHammersteinシステムを対象とし、従来のニューラルネットワークモデルやRBFモデルなどのパラメトリックモデルではなく、ノンパラメトリックな同定法であるガウシャンプロセス(GP)モデルによる同定法を提案する。このGPモデルの学習にはカッコウ探索アルゴリズムが用いられる。GPモデルは、推定値及び信頼性に関する情報を得ることができるモデルである。シミュレーション実験によりPSO調整型GPモデルによる同定法と比較し、本同定法の有効性を確認する。