[논문 리뷰] Generation of new exciting regressors for consistent on-line estimation for a scalar parameter.

Alexey Bobtsov, Bowen Yi외 2명|arXiv (Cornell University)|2021. 04. 06.

Control Systems and Identification인용 수 6

한 줄 요약

이 논문은 원래의 회귀자(regressor)가 충분한 자극을 제공하지 못할 때, 스칼라 파라미터의 일致한 온라인 추정을 위한 새로운 흥미로운 회귀자를 생성하는 혁신적인 방법을 제안한다. 원래의 회귀자를 이 인위적으로 생성된 것으로 대체함으로써, 고전적 경사 추정기(classical gradient estimator)의 성능이 뚜렷이 향상됨을 광범위한 시뮬레이션을 통해 입증하였다.

ABSTRACT

In this paper the problem of estimation of a single parameter from a linear regression equation in the absence of sufficient excitation in the regressor is addressed. A novel procedure to generate a new exciting regressor is proposed. The superior performance of a classical gradient estimator using this new regressor, instead of the original one, is illustrated with comprehensive simulations.

연구 동기 및 목표

• 원래의 회귀자가 충분한 자극을 제공하지 못할 경우 선형 회귀에서 일관된 파라미터 추정이 어려운 문제를 해결하기 위해.
• 지속적인 자극을 보장하는 새로운 회귀자를 체계적으로 생성하는 절차를 개발하기 위해.
• 온라인 파라미터 추정 환경에서 고전적 경사 추정기의 성능을 향상시키기 위해.
• 광범위한 시뮬레이션을 통해 새로운 회귀자의 우수성을 입증하기 위해.

제안 방법

• 원래 데이터로부터 새로운 회귀자를 생성하기 위한 변환 또는 생성 과정을 도입하여 지속적인 자극을 보장한다.
• 생성된 회귀자는 온라인 추정에서 파라미터 일관성에 필요한 조건을 만족하도록 설계된다.
• 이 방법은 고전적 경사 추정기에 적용되며, 추정 알고리즘에서 원래의 회귀자를 새로운 것으로 대체한다.
• 이 방법은 파라미터에 대한 사전 지식이 필요로 하지 않으며, 오직 원래의 회귀자 및 그 시간 이력의 구조에 의존한다.
• 생성 과정은 계산적으로 효율적이며 실시간 온라인 응용에 적합하다.
• 이론적 일관성은 새로운 수렴 성능과 감소된 추정 오차를 보여주는 시뮬레이션 결과로 뒷받침된다.

실험 결과

연구 질문

• RQ1 원래의 회귀자가 충분히 자극이 되지 않을 경우, 어떻게 지속적인 자극을 보장하는 새로운 회귀자를 생성할 수 있는가?
• RQ2 새로운 회귀자가 온라인 환경에서 고전적 경사 추정기의 일관성과 수렴에 어떤 영향을 미치는가?
• RQ3 이러한 방법은 파라미터에 대한 사전 지식 없이도 추정 정확도를 향상시킬 수 있는가?
• RQ4 다양한 자극 조건에서 원래의 회귀자와 새로운 회귀자 간의 경사 추정기 성능은 어떻게 비교되는가?

주요 결과

• 제안된 방법은 원래의 회귀자가 이를 수행하지 못할 경우에도 지속적인 자극을 보장하는 새로운 회귀자를 성공적으로 생성한다.
• 새로운 회귀자를 사용하는 고전적 경사 추정기는 원래의 추정기가 실패하는 상황에서도 일관된 파라미터 추정을 달성한다.
• 시뮬레이션 결과는 새로운 회귀자를 사용할 경우 추정 정확도와 수렴 속도가 뚜렷이 향상됨을 보여준다.
• 이 방법은 다양한 자극 시나리오에서 강건하며, 파라미터에 특화된 튜닝 없이도 성능을 유지한다.
• 생성된 회귀자는 이전에는 문제시되었던 낮은 자극 환경에서도 안정적인 온라인 추정을 가능하게 한다.
• 결과는 새로운 회귀자가 추정 일관성과 신뢰성 측면에서 원래의 것보다 뛰어나다는 것을 확인한다.