22、加权多模型自适应控制与基于视频级特征和注意力机制的人体动作识别

加权多模型自适应控制与基于视频级特征和注意力机制的人体动作识别

加权多模型自适应控制

子模型选择与加权算法

在不确定非线性系统的控制中，选择最接近实际系统的子模型是关键。通过计算实际系统输出与子模型输出的误差，增加误差较小的子模型的权重，减小误差较大的子模型的权重，使得最接近真实系统的子模型权重趋近于 1，其他子模型权重趋近于 0。基于此思想，设计了如下加权算法：
- (l_i(0) = p_i(0) = \frac{1}{N})
- (l_i’(k) = 0.001 + \frac{1}{k} \sum_{p = 1}^{k} e_i^2(p))
- (l_{min}’(k) = \min_i l_i’(k))
- (l_i(k) = \frac{l_{min}’(k)}{l_i’(k)} l_i(k - 1))
- (p_i(k) = \frac{l_i(k)}{\sum_{i = 1}^{N} l_i(k)})

仿真系统与控制器设计

以一个具体的仿真系统为例，其闭环特征多项式为 (A_c = q^2 - 1.3205q + 0.4966)，设 (T = A_c(1) = 1 - 1.3205 + 0.4966 = 0.1761)。令 (R = q^2 + r_1q + r_2)，(S = s_0q + s_1)，由 (R + S = A_c) 可得：
- (s_1 + r_2 = 0.4966)
- (s_0 + r_1 = -1.3205)

为使 (U(t)) 收敛，取 (r_1 = -0.9)，(r_2 = 0.009)，进而得到 (s_0 = -0.4