1樓：「已登出」
題主，對兩類都是略微了解。
控制系統的系統辨識解決的是機電系統模型的問題，因為好多控制演算法是基於模型的，即便是不基於模型的，通過辨識結合最優化方法能大大降低調節引數的時間成本。
辨識很大的特點是它是有先驗的，而且資料集小，因為機電系統要進行運動才能獲得建模用的資料，如果想用深度網路一類的東西，要獲得大量資料，設計階段整體下來成本太高了，而且為了提公升大概率到不了數量級倍率的精度，花那麼大的成本，也就特殊的場景有可能用。
深度學習是通用性方法，不基於先驗，去發現問題和獲得資料內在結構，更適合在產品設計完，大批量生產後，發現第一代的問題，給第一代打補丁，並獲得開發第二代的參照。
換句話說，比如設計控制器是開發乙個遊戲，系統辨識是開發遊戲本體，深度學習是做DLC DLC DLC……。
如果題主真想做系統辨識時，強上深度網路，假設真找到了合適的描述模型，比如乙個特殊時間序列網路，我覺得大概率會是:
1、理論上沒問題，能暴揍一切傳統的，靈機一動的，用各種精巧條件做妥協的辨識方法。
2、剛開始收集了一點資料，錢沒了
3、網路不走，梯度清零
4、網路走了，過擬合嚴重，所有不靠譜的雜訊都加進去了。
深度學習現在做文字、影象、聲音這麼多，我覺得關鍵還是資料便宜啊。
另外，題主是不是有想讓深度網路直接當控制器？
假設真成功了，我覺得很有可能控制器會時不時來個神仙操作。
2樓：
乙個方向大熱不能否定另乙個方向的存在價值，我們應該考慮的是怎樣將兩者更好地結合，去做出更好的產品？按照這種邏輯，現在CS大火，是不是沒有開設生物，船舶這種專業的必要了？我大控制也遭無情地嫌棄了，一首涼涼送給自己。
哈哈深度學習沒搞過，單說系統辨識，之前與搞飛機的，搞機械人的交流，還有我這個在夕陽產業划水的，系統辨識可以說是我們保證系統穩定最基礎也是最重要的一環了，系統辨識的精度直接影響了我們產品開發的效率與結果。
以前就有遇到過，某個產品的特定頻域段的辨識結果不太符合預期，最後發現是由於加工時沒有按照標準流程，導致引入了particle。
兩者並不衝突。如果可以，讓深度學習解放我們吧！我也想轉行，哈哈
控制理論中，系統的有限時間穩定和指數穩定可以統一起來嗎？或者說可以視為同一概念嗎？
楊大 從系統穩定性的標準定義來說，Lyapunov穩定 漸進穩定 有限時間穩定是三個最基本的概念，其範圍依次減小，而且前乙個概念是後乙個概念的基礎 目前涉及到收斂速度的穩定性概念，主要有指數穩定 有限時間穩定 固定時間穩定，其中指數穩定是漸進穩定的乙個實現，而固定時間穩定是有限時間穩定的乙個拓展，從...
盧曼的社會系統理論中，系統到底是怎樣自我重構的？
黃阿明 1 盧曼的系統論始於乙個觀察，觀察就是乙個區分，區分通過符碼進行運作。最基本的區分即系統和環境的區分，系統乃是對環境的複雜性進行化約，並使得自身的複雜性得以提高。環境和系統之間存在複雜性的落差，系統必須克服這種落差才得以存在。換言之，系統的運作就是乙個負熵的過程。2.譬如說法律系統，法律系統...
Shell 是用來解決什麼問題的？
窗戶 一種方便的指令碼語言，用於將具體程式作為零件，利用各種重定向 包括管道 以及結構化程式設計裡的東西拼接在一起，以完成你的複雜任務，awk sed作為字元處理的經典在裡面比較常用，經常伴隨管道一起。可以說不寫一手shell很難說精通unix linux。值得擁有。 解決使用者如何使用計算機的問題...