[susojuarez]

Hola,
tengo una planta identificada en LSTM. He creado dataset normalizados, realizado la arquitectura de la red, (numHiddenUnits, numHiddenUnits, layers,maxEpochs, miniBatchSize, options...)
Muestro el progreso del entrenamiento en una gráfica, hago la predicción y el error cuadrático medio raíz (RMSE) me da un 0.08. Con lo cual considero, que si, que está identificada.
Ahora, a partir de estos datos quiero hacer el modelo matemático de esta planta. Espacio de estados o su(s) funcione(s) de transferencia. ¿Sabéis cómo se haría esto?
Gracias.

[geómetracat]

No sé qué quieres decir por "una planta" aquí.

Pero si entiendo bien tienes una red neuronal (profunda) LSTM y quieres obtener un modelo matemático en espacio de estados o su función de transferencia.

No sé si esto lo has visto en algún sitio, pero yo diría que eso no es en absoluto factible. Piensa que los modelos en espacio de estados que se usan normalmente son lineales, o si son no lineales se linealizan. En este caso tu sistema, especialmente si tiene varias capas, es altamente no lineal, así que es complicado expresarlo en forma de espacio de estados. Tres cuartos de lo mismo con la función de transferencia: puedes obtenerla en diversos puntos de forma empírica, pero veo imposible obtener una expresión manejable para ella.

[susojuarez]

Ante todo agradecer tu respuesta. Muchas gracias. Con planta me refiero a un proceso de llenado de un depósito por medio de una bomba y una válvula. Claro, entonces tendré que linealizar. Estoy leyendo la literatura y creo que se puede construir un modelo autorregresivo de media móvil no lineal (NARMA). Luego aplicar la transformada Z para sacar las funciones de transferencia.
A ver si consigo algo. Saludos.

[susojuarez]

Toda ayuda será bienvenida. Gracias 

[geómetracat]

Ante todo agradecer tu respuesta. Muchas gracias. Con planta me refiero a un proceso de llenado de un depósito por medio de una bomba y una válvula. Claro, entonces tendré que linealizar. Estoy leyendo la literatura y creo que se puede construir un modelo autorregresivo de media móvil no lineal (NARMA). Luego aplicar la transformada Z para sacar las funciones de transferencia.
A ver si consigo algo. Saludos.

Así de entrada diría que eso tiene mejor pinta, si lo que quieres es un modelo con una función de transferencia tratable. Pero no te puedo ayudar mucho más, porque si bien sí que he trabajado bastante con modelos ARMA (que tienen funciones de transferencia muy sencillas, racionales), no conozco nada de su versión no lineal.

[susojuarez]

Yk = F (Ypk−1 , Ypk−2 , ..., Ypk−n, Uk, Uk−1, ..., Uk−m, Wfk)

Donde Yk es la salida del modelo, Ypk es la salida de la planta, Wfk son los pesos de la red neuronal aunque comúnmente llamado vector de coeficientes,
y (Ypk−1, Ypk−2 , ..., Ypk−n, Uk, Uk−1, ..., Uk−m) se llama vector regresor, y k es el tiempo discreto.

A ver si soy capaz de resolver esta fórmula con mis datos. Dejo un archivo con algo acerca de los pesos, me imagino que son de la red LSTM ya entrenada.

[susojuarez]

El problema es que no sé encajar mi red entrenada, cuyo modelo estaría en la siguiente imagen, en la fórmula anterior.
Gracias.



Pongo tambien el enlace. Estaría al final de la página.
https://es.mathworks.com/help/deeplearning/ug/long-short-term-memory-networks.html