主题：【原创】关于四代 -- 晨枫
家园 多谢介绍，对这个东西一点也不懂，赶紧学习
- 复 突然想到一个问题
家园 乱猜：可能是类似Karman滤波的一类东西 先建立个巨大无比的covariance矩阵，然后不断训练。
训练过程如下：传感器收集信息，每当有新的信息进来，就更新这个covariance矩阵。
训练多了，各个参数间的关系也就出来了。
家园 不大理解，Kalman滤波的covariance mat 不大理解，Kalman滤波的covariance matrix巨大还是不巨大，是和系统阶数有关，而不是和数据量有关啊，莫非你是说CovMatr的矩阵元素的值可以用更多的数据估计？用NN自动更新这个矩阵是可能的，如果这就是自适应NN，我也无话可说，但这里的underline structure还是线性的。
家园 试回答一下 我只是看过一点儿皮毛的东西，说错了概不负责:)
一个控制系统，有N个变量（对飞机来说，N有几千到几万吧），这样就有N个参数需要确定，比如：y = Ax，现在的任务是要确定A矩阵。如果用Karman滤波的话，Covariance矩阵就有N * N大。
下面是训练，输入比如是飞行员用一牛的力拉杆三秒；传感器测到输出，飞机倾角变了一度。这样根据Karman滤波的一些规则，系统就会更新Covariance矩阵一次。就样就可以估出A了。
如果训练次数少于N，这是个underdetermined问题，有无穷多解。再加上测量误差干扰，所以要海量训练，训练次数远远大于N，这样A就越估越准了。
其中x项可以是非线性的，比如x的平方什么的。但Ax的关系是线性的，不过估计实际中没太大问题。如果一个飞机的控制系统是个远离平衡态的非线性系统，估计飞机也飞不好。一般来说，应该是近平衡态的线性系统，比如飞行员小拉杆，飞机小抬下；大拉杆，飞机应该大抬下。
大概是这样了，但细节肯定有说错的地方，方家轻拍。
- 复 突然想到一个问题
家园 很好理解：作者自己就没搞懂 写出来当然更是谁也不懂。不信可以找X36的人问问。
作者行文有个显然的特点，强调美国在80、90年代即已如何如何。言语中似乎认为美国现在的水平自然更强。我看这是作者对科研实践一知半解的表现，尤其对西方国家的科研实践缺乏具体了解。我做的东西90年代是世界领先，现在照样是，因为岂止别人不做，连我自己都不做了。
家园 神经网络 在非线性控制上就是大忽悠，几十年没什么干货。
- 复 突然想到一个问题
家园 猜测的插一句 丝带所能面临的scenario，应该是能够穷举的~~~~~~
- 复 猜测的插一句
家园 即使能够穷举，还有排列组合和先后问题 实际上的可能性几乎是无穷的。那样的话，训练出来的NN还是高度可疑。NN结构要求尽量简单，需要适配的scenario越多，对于特定scenario的适配精度越成问题。总觉得NN不是一个办法。这只是没有办法的办法，永远比不上根据机理模型或者半机理模型得出的控制律。可能我是老派了。
家园 非常同意 而且那么多的训练数据的采集，数据中噪声的问题，收敛问题，等等，都不好解决。
传统方法相对来说，还是更robust.
说到这儿，想到一个NN的笑话儿：（不保证正确）
当时北约某国研究部门用神经网络来识别北约和华约的坦克，他们用了很多苏联阅兵时的坦克照片和自己拍的北约坦克照片来进行训练。后来能达到百分百的准确性。非常兴奋。
后来发现，原来神经网络把车上敬礼的小人学会了。
这样的算法，上战场就杯具了。
- 复 突然想到一个问题
家园 神经网络的问题是 神经网络的问题是不够robust，这个是飞机控制系统不能接受的。
- 复 突然想到一个问题
家园 大佬这是关键 这个所谓学习能力就是穷举。如果不试，就什么也不是了。
所以，今天中国的丝带的飞控未必完美，但是，这是极其好的开端。让丝带实践几年，实践中的情况会再次提升飞控本身。到时候，会把J20带到一个空前的高度。
而美国却停步不前了，假以时日，中国在航空领域会超越美国的。