wilsonrljr/sysidentpy

해결하는 문제

SysIdentPy는 시스템 식별 및 시계열 예측을 위해 설계되었습니다. 비선형 동적 모델, 특히 NARMAX 모델 및 그 변종(NARX, NAR, NARMA, NFIR, ARMAX, ARX, ARMA 등)을 구축할 수 있는 프레임워크를 제공하여 데이터로부터 복잡한 동적 시스템을 모델링할 수 있도록 합니다.

작동 방식

이 라이브러리는 모델 구조 선택 및 파라미터 추정을 위한 다양한 기법을 구현합니다. 다항식, 푸리에, 이차형 등 기저 함수를 사용하여 모델의 비선형성을 정의합니다. FROLS, MetaMSS, AOLS와 같은 다양한 구조 선택 알고리즘과 15개 이상의 파라미터 추정 방법을 지원합니다. 또한 PyTorch를 활용한 신경망 NARX 모델 구축이 가능하며, scikit-learn 및 CatBoost와 같은 일반적인 추정기 라이브러리도 통합할 수 있습니다.

대상 사용자

동적 시스템, 시계열 예측, 비선형 시스템 식별에 종사하는 연구자 및 엔지니어를 위한 것입니다. Matlab의 System Identification Toolbox와 같은 도구에 대한 오픈소스 대안으로 활용할 수 있습니다.

주요 특징

• 다양한 모델 유형: NARX, NAR, ARMAX 등 다양한 NARMAX 변종을 지원합니다.
• 모델 구조 선택: FROLS 및 Orthogonal Floating Search와 같은 최신 알고리즘을 포함합니다.
• 신경망 통합: PyTorch를 사용해 사용자 정의 신경망 NARX 아키텍처를 생성할 수 있습니다.
• 유연한 기저 함수: 비선형 모델을 맞춤화할 수 있는 8가지 기저 함수를 제공합니다.
• 광범위한 추정기 지원: scikit-learn 및 CatBoost 추정기와 호환됩니다.