論文の概要: Data-based computation of stabilizing minimum dwell times for
discrete-time switched linear systems
- arxiv url: http://arxiv.org/abs/2002.02087v2
- Date: Thu, 5 Mar 2020 10:58:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 13:23:12.195995
- Title: Data-based computation of stabilizing minimum dwell times for
discrete-time switched linear systems
- Title(参考訳): 離散時間切替線形システムの安定化最小dwell時間のデータベース計算
- Authors: Atreyee Kundu
- Abstract要約: 離散時間切替線形システムの安定化最小空洞時間を求めるアルゴリズムを提案する。
提案アルゴリズムの数値的な例を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present an algorithm to compute stabilizing minimum dwell times for
discrete-time switched linear systems without the explicit knowledge of
state-space models of their subsystems. Given a set of finite traces of state
trajectories of the subsystems that satisfies certain properties, our algorithm
involves the following tasks: first, multiple Lyapunov functions are designed
from the given data; second, a set of relevant scalars is computed from these
functions; and third, a stabilizing minimum dwell time is determined as a
function of these scalars. A numerical example is presented to demonstrate the
proposed algorithm.
- Abstract(参考訳): 本稿では,離散時間切替線形システムの最小dwell時間の安定化を,サブシステムの状態空間モデルの明示的な知識を必要とせずに計算するアルゴリズムを提案する。
第1に,複数のリアプノフ関数が与えられたデータから設計され,第2に,関連するスカラーの集合がこれらの関数から計算され,第3に,安定化最小ドウェル時間はこれらのスカラー関数として決定される。
提案するアルゴリズムを示す数値例を示す。
関連論文リスト
- Spectral learning of Bernoulli linear dynamical systems models [21.3534487101893]
本研究では,線形線形力学系モデルの高速かつ効率的なフィッティングのための学習法を開発した。
提案手法は,従来の部分空間同定手法をベルヌーイ設定に拡張する。
そこで本研究では,マウスの知覚決定タスクを実行することによって,実世界の環境を推定する手法を提案する。
論文 参考訳(メタデータ) (2023-03-03T16:29:12Z) - Linearized Wasserstein dimensionality reduction with approximation
guarantees [65.16758672591365]
LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。
我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。
また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
論文 参考訳(メタデータ) (2023-02-14T22:12:16Z) - Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。
理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。
本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
論文 参考訳(メタデータ) (2022-10-12T06:46:38Z) - Semi-supervised Learning of Partial Differential Operators and Dynamical
Flows [68.77595310155365]
本稿では,超ネットワーク解法とフーリエニューラル演算子アーキテクチャを組み合わせた新しい手法を提案する。
本手法は, 1次元, 2次元, 3次元の非線形流体を含む様々な時間発展PDEを用いて実験を行った。
その結果、新しい手法は、監督点の時点における学習精度を向上し、任意の中間時間にその解を補間できることを示した。
論文 参考訳(メタデータ) (2022-07-28T19:59:14Z) - Covariance-Free Sparse Bayesian Learning [62.24008859844098]
共分散行列の明示的な反転を回避する新しいSBL推論アルゴリズムを導入する。
私たちの手法は、既存のベースラインよりも数千倍も高速です。
我々は,SBLが高次元信号回復問題に難なく対処できる新しいアルゴリズムについて紹介する。
論文 参考訳(メタデータ) (2021-05-21T16:20:07Z) - Data-Driven Reachability Analysis from Noisy Data [5.949143454441281]
与えられたシステムモデルなしでノイズの多いデータから到達可能な集合を直接計算する問題を検討する。
いくつかのリーチビリティアルゴリズムが提示され、その精度は、データを生成する基盤システムに依存することが示されている。
論文 参考訳(メタデータ) (2021-05-15T14:11:57Z) - Logarithmic regret for episodic continuous-time linear-quadratic
reinforcement learning over a finite-time horizon [7.123160883637873]
本研究では, 連続時間線形2次強化学習問題をエピソード環境下で研究する。
連続時間観測と制御に基づく最小二乗アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-27T08:14:59Z) - Learned Factor Graphs for Inference from Stationary Time Sequences [107.63351413549992]
定常時間列のためのモデルベースアルゴリズムとデータ駆動型MLツールを組み合わせたフレームワークを提案する。
ニューラルネットワークは、時系列の分布を記述する因子グラフの特定のコンポーネントを別々に学習するために開発された。
本稿では,学習された定常因子グラフに基づく推論アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-05T07:06:19Z) - Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。
本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文 参考訳(メタデータ) (2020-05-22T22:30:52Z) - Data-driven switching logic design for switched linear systems [0.0]
サブシステムの状態空間モデルの明示的な知識が得られない場合、離散時間切替線形システムの安定化に対処する。
そこで我々は,スイッチングシステムの安定性を保った周期的スイッチング論理を設計するアルゴリズムを考案した。
論文 参考訳(メタデータ) (2020-03-11T11:08:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。