비자율 시스템을 위한 동적 가중치 조건화 기반 하이퍼KKL 관측기

초록

HyperKKL은 외부 입력을 인코딩하는 하이퍼네트워크를 이용해 KKL 관측기의 파라미터를 실시간으로 생성함으로써, 재학습 없이 비자율 비선형 시스템의 상태 추정을 가능하게 한다. 정적·동적 두 가지 아키텍처와 커리큘럼 학습 기반 베이스라인을 비교 실험했으며, Duffing, Van der Pol, Lorenz, Rössler 네 가지 벤치마크에서 성능을 검증하였다.

상세 분석

본 논문은 KKL 관측기의 핵심인 비선형→선형 변환 T와 그 역변환 T*를 학습하는 과정에서 발생하는 비자율 시스템의 시간‑의존성 문제를 두 가지 관점에서 해결한다. 첫 번째는 정적 접근법으로, 기존의 입력‑불변 T를 유지하면서 관측기 동역학에 입력 주입 φ̂(z,u;ξ)를 추가한다. LSTM 기반 입력 히스토리 인코더가 φ̂에 컨텍스트를 제공해, 입력이 작은 교란일 때도 정확한 추정을 가능하게 한다. 두 번째는 동적 접근법으로, 하이퍼네트워크 Hψ가 입력 히스토리 c = u