인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This study proposes a Gated Recurrent Unit (GRU)-based Adaptive Exponentially Weighted Kalman Filter (GEWKF) to dynamically estimate the forgetting factor, addressing the limitations of conventional exponentially weighted Kalman filters (EWKFs) relying on fixed parameters. Unlike static EWKFs, the proposed GEWKF adaptively tunes the forgetting factor in real time, enhancing robustness and estimation accuracy during abrupt model changes. In contrast to previous deep learning-based adaptive filters that predict complex covariance matrices or full filter gains often at high computational cost and interpretability, GEWKF learns only a single scalar parameter while preserving the recursive framework of the standard Kalman filter. A GRU-based recurrent neural network leverages time-series data, including state prediction errors and measurement residuals, to compute the optimal forgetting factor efficiently and reliably. Simulations reveal that the GEWKF filter matches the performance of the standard Kalman filter under nominal conditions and significantly outperforms both the standard KF and fixed-parameter EWKF under sudden uncertainties. These results highlight that the GEWKF offers a practical and principled framework for state estimation, balancing adaptability, computational efficiency, real-time applicability, and interpretability.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095626587
