使用闭环数据的神经网络训练：危险和辅助变量（IVNN）解决方案
Neural Network Training Using Closed-Loop Data: Hazards and an Instrumental Variable (IVNN) Solution
摘要：
在控制系统中使用神经网络的趋势越来越明显。本文的目的是揭示，直接应用学习神经网络前馈控制器与闭环数据可能会引入参数不一致，降低控制性能，并提供一个解决方案。所提出的方法采用工具变量，以确保一致的参数估计。一个非线性系统的例子表明，开发的工具变量神经网络（IVNN）的方法渐近恢复的最优解，而预先存在的方法被证明会导致不一致的估计。
英文摘要：
An increasing trend in the use of neural networks in control systems is being observed. The aim of this paper is to reveal that the straightforward application of learning neural network feedforward controllers with closed-loop data may introduce parameter inconsistency that degrades control performance, and to provide a solution. The proposed method employs instrumental variables to ensure consistent parameter estimates. A nonlinear system example reveals that the developed instrumental variable neural network (IVNN) approach asymptotically recovers the optimal solution, while pre-existing approaches are shown to lead to inconsistent estimates.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
