本文深入探讨了控制论的基本原理，通过反馈机制降低系统熵，实现期望输出。着重介绍了灰盒模型的概念及其在系统辨识领域的应用，包括如何解析含有未知参数的系统结构，通过输入输出样本进行参数拟合，进而设计有效的控制环节。
控制论与机器学习
控制论的本质：在于利用已有的信息抑制系统熵的增加。
控制论所要做的，便是引入外力作用，即反馈，或者说控制环节，以之降低系统的混乱程度，得到我们的期望输出。
灰盒模型：
灰盒模型，即系统的一部分内容是未知的，另一部分内容是已知的的，例如这里，尽管R、L、C的精确值是未知的，但我们依然可以知道其数值的大致范围。
系统辨识领域的作用：如何解析出一个含有未知参数的系统结构，如果我们可以获取系统的输入输出样本，利用这些样本，配合上含有未知参数的系统结构方程，采取恰当的拟合方法，如最小二乘或极大似然等，最后可以获取未知参数的近似解，使得这个灰盒模型的灰色褪去（但不会褪为白盒模型），进一步便可设计系统的控制环节。
黑盒模型（对系统模型框架和参数都未知）
扫一扫
2058
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
