Statistisches Lernen für die Systemmodellierung

Die in diesem Bericht vorgestellte Arbeit fällt in den Rahmen des maschinellen Lernens, bei dem wir versuchen, ein nichtlineares System zu modellieren und die Parameter des betrachteten Modells online zu identifizieren. Dieses Modell wird in einem reproduzierenden Kernel-Hilbert-Raum (RKHS) entwickelt. Diese sogenannten Repräsentations- oder Black-Box-Modelle sind hinsichtlich ihrer Parameter linear. Sie hatten großen Erfolg bei der Identifizierung nichtlinearer Systeme mithilfe von Kernel-Methoden.

Autorentext

Okba Taouali se doctoró en Ingeniería Eléctrica en 2010 por la École Nationale d'Ingénieurs de Monastir (ENIM). Actualmente es profesor en la ENIM (Túnez) y catedrático en el FCIT de la Universidad de Tabuk (Arabia Saudí). Sus intereses de investigación incluyen : Aprendizaje automático, métodos kernel, diagnóstico de fallos.