机构名称：
¥ 1.0
多项式方程的参数化系统在科学和工程的许多范围内都会出现，例如，动态系统的平衡，链接满足设计约束的链接，并在compoter视觉中进行场景重建。由于不同的参数值可以具有不同的实际解数，因此参数空间被分解为边界形成真实判别基因座的区域。本文认为将真实的判别基因座定位为机器学习中的超级分类问题，目的是确定参数空间上的分类边界，其中类是真实解决方案的数量。该艺术提出了一种新型的采样方法，该方法仔细采样了多维参数空间。在每个样本点，同型延续用于获取相应多项式系统的实际解数。机器学习技术在内，包括最近的邻居，支持向量分类器和神经网络可有效地近似实际的判别基因座。学习了真正的判别基因座的一种应用是开发一种实际同义方法，该方法仅跟踪实际解决方案路径，与传统方法不同，该方法跟踪所有复杂的解决方案路径。示例表明，所提出的方法可以很好地近似复杂的解决方案边界，例如Aris-
以排为中心的控制在信号交叉点上建立在混合MPC系统，在线学习和分布式优化第II部分：理论分析
主要关键词
相关文件推荐
