Lernen bei statischer Funktionsapproximation

Zusammenfassung

Im Kapitel 4 werden die grundlegenden Lerngesetze besprochen. Vorgestellt werden das Gradientenabstiegs-Verfahren, der Backpropagation-Algorithmus und die Least-Squares-Verfahren. Diese Verfahren können sowohl zur Identifikation von Nichtlinearitäten alleine als auch von Nichtlinearitäten in dynamischen Systemen eingesetzt werden. Bei der Identifikation von Nichtlinearitäten in dynamischen Systemen sind allerdings die Fehlermodelle zu beachten, und es ist zu bedenken, dass die Least-Squares-Verfahren nur dann eingesetzt werden dürfen, wenn der Modellausgang der Strecke linear in den Parametern ist. Die letzte Einschränkung muss bei den beiden anderen Verfahren nicht beachtet werden. Beispiele ergänzen die theoretischen Abhandlungen. Mächtigere Lernverfahren werden in den späteren Kapiteln des Buchs behandelt.