本文提出了一个分类模型，用于根据其平衡来预测比特币地址的主要活动。由于余额是时间的函数，因此我们应用功能数据分析的方法；更具体地说，提出的分类模型的特征是数据的功能主组件。分类比特币地址是一个相关问题，其主要原因是：了解比特币市场的组成，并确定用于非法活动的地址。尽管已经提出了其他比特币分类器，但它们主要关注网络分析而不是曲线行为。另一方面，我们的方法不需要任何网络信息进行预测。此外，与专家构建的功能不同，功能功能具有直接构建的优势。结果表明，当将功能特征与标量特征相结合时，使用这些功能分别将功能特征与标量特征相似，而对于模型分别使用这些功能，这表明功能模型是当域特异性知识时是一个不错的选择。
translated by 谷歌翻译
传统的基于物理的建模是用于复杂非线性系统（如自动水下车辆（AUV））的控制设计中的耗时瓶颈。相比之下，纯粹的数据驱动模型虽然方便且迅速地获得，但需要大量的观察结果，并且缺乏针对安全至关重要系统的操作保证。利用可用的部分表征动态的数据驱动模型具有在典型的数据限制方案中为高价值复杂系统提供可靠的系统模型，从而避免了数月的数月昂贵的专家建模时间。在这项工作中，我们探索了专家模型和纯数据驱动建模之间的中间场。我们提出了面向控制的参数模型，具有不同水平的域意识，这些模型利用已知的系统结构和先前的物理知识来创建约束的深神经动力学系统模型。我们采用通用微分方程来构建AUV动力学的数据驱动的黑框和灰色框表示。此外，我们探索了一种混合制剂，该制剂明确模拟与不完美的灰色盒模型相关的残余误差。我们将学习模型的预测性能比较了初始条件和控制输入的不同分布的预测性能，以评估其准确性，概括和对控制的适用性。
translated by 谷歌翻译
我们开发了一种新型的可区分预测控制（DPC），并根据控制屏障功能确保安全性和鲁棒性保证。DPC是一种基于学习的方法，用于获得近似解决方案，以解决明确的模型预测控制（MPC）问题。在DPC中，通过自动分化MPC问题获得的直接策略梯度，通过直接策略梯度进行了脱机优化的预测控制策略。所提出的方法利用了一种新形式的采样数据屏障功能，以在DPC设置中执行离线和在线安全要求，同时仅中断安全集合边界附近的基于神经网络的控制器。在模拟中证明了拟议方法的有效性。
translated by 谷歌翻译