論文の概要: In Proximity of ReLU DNN, PWA Function, and Explicit MPC
- arxiv url: http://arxiv.org/abs/2006.05001v2
- Date: Thu, 5 Nov 2020 14:57:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 14:27:15.447484
- Title: In Proximity of ReLU DNN, PWA Function, and Explicit MPC
- Title(参考訳): ReLU DNN, PWA関数, 明示的MPCの近さ
- Authors: Saman Fahandezh-Saadi, Masayoshi Tomizuka
- Abstract要約: Rectifier (ReLU) Deep Neural Network (DNN)とそのPWA関数との接続を分析する。
- 参考スコア(独自算出の注目度): 26.68606085679786
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rectifier (ReLU) deep neural networks (DNN) and their connection with
piecewise affine (PWA) functions is analyzed. The paper is an effort to find
and study the possibility of representing explicit state feedback policy of
model predictive control (MPC) as a ReLU DNN, and vice versa. The complexity
and architecture of DNN has been examined through some theorems and
discussions. An approximate method has been developed for identification of
input-space in ReLU net which results a PWA function over polyhedral regions.
Also, inverse multiparametric linear or quadratic programs (mp-LP or mp-QP) has
been studied which deals with reconstruction of constraints and cost function
given a PWA function.
- Abstract(参考訳): 整流器 (relu) 深層ニューラルネットワーク (dnn) とslitwise affine (pwa) 関数との接続を解析した。
本稿は,モデル予測制御(mpc)の明示的な状態フィードバックポリシをrelu dnnとして表現する可能性を見つけ,その逆も検討する試みである。
DNNの複雑さとアーキテクチャは、いくつかの定理と議論を通じて検討されている。
ポリヘドラル領域上のPWA関数をもたらすReLUネットにおける入力空間の同定のための近似手法を開発した。
また、PWA関数が与えられた制約とコスト関数の再構成を扱う逆多重パラメトリック線形プログラム(mp-LPまたはmp-QP)も研究されている。
関連論文リスト
- Generalized Activation via Multivariate Projection [46.837481855573145]
活性化関数はニューラルネットワークに非線形性を導入するのに不可欠である。
我々は、ReLU を R から非負半直線 R+ への射影とみなす。
一般化された射影作用素でReLUを2次錐(SOC)射影のような凸錐に置換することでReLUを拡張する。
論文 参考訳(メタデータ) (2023-09-29T12:44:27Z) - Layer-wise Feedback Propagation [53.00944147633484]
本稿では、ニューラルネットワークのような予測器のための新しいトレーニング手法であるLFP(Layer-wise Feedback Propagation)を提案する。
LFPは、与えられたタスクの解決に対するそれぞれの貢献に基づいて、個々のコネクションに報酬を割り当てる。
各種モデルやデータセットの勾配降下に匹敵する性能を達成できることの有効性を実証する。
論文 参考訳(メタデータ) (2023-08-23T10:48:28Z) - Point-based Value Iteration for Neuro-Symbolic POMDPs [27.96140203850222]
ニューロシンボリックな部分観測可能なマルコフ決定過程(NS-POMDP)を紹介する。
NS-POMDPはニューラルネットワークを用いて連続状態環境を知覚し、象徴的な決定を行うエージェントをモデル化する。
連続状態モデルの構造を利用して有限表現性を保証する2つの値反復アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-06-30T13:26:08Z) - A predictive physics-aware hybrid reduced order model for reacting flows [65.73506571113623]
反応流問題の解法として,新しいハイブリッド型予測次数モデル (ROM) を提案する。
自由度は、数千の時間的点から、対応する時間的係数を持ついくつかのPODモードへと減少する。
時間係数を予測するために、2つの異なるディープラーニングアーキテクチャがテストされている。
論文 参考訳(メタデータ) (2023-01-24T08:39:20Z) - GEC: A Unified Framework for Interactive Decision Making in MDP, POMDP,
and Beyond [101.5329678997916]
対話型意思決定の一般的な枠組みの下で, サンプル高能率強化学習(RL)について検討した。
本稿では,探索とエクスプロイトの基本的なトレードオフを特徴付ける,新しい複雑性尺度である一般化エルダー係数(GEC)を提案する。
低 GEC の RL 問題は非常にリッチなクラスであり、これは低ベルマン楕円体次元問題、双線型クラス、低証人ランク問題、PO-双線型クラス、一般化正規PSR を仮定する。
論文 参考訳(メタデータ) (2022-11-03T16:42:40Z) - Probabilistic partition of unity networks for high-dimensional
regression problems [1.0227479910430863]
我々は高次元回帰問題におけるユニタリネットワーク(PPOU-Net)モデルの分割について検討する。
本稿では適応次元の減少に着目した一般的な枠組みを提案する。
PPOU-Netsは、数値実験において、同等の大きさのベースライン完全接続ニューラルネットワークを一貫して上回っている。
論文 参考訳(メタデータ) (2022-10-06T06:01:36Z) - Active Nearest Neighbor Regression Through Delaunay Refinement [79.93030583257597]
近接回帰に基づく能動関数近似アルゴリズムを提案する。
我々のActive Nearest Neighbor Regressor (ANNR) は計算幾何学の Voronoi-Delaunay フレームワークに頼り、空間を一定の関数値のセルに分割する。
論文 参考訳(メタデータ) (2022-06-16T10:24:03Z) - Convex Programs and Lyapunov Functions for Reinforcement Learning: A
Unified Perspective on the Analysis of Value-Based Methods [3.9391112596932243]
価値に基づく手法はマルコフ決定過程(MDP)と強化学習(RL)において基本的役割を果たす
本稿では、価値計算(VC)、価値反復(VI)、時間差(TD)学習などの価値に基づく手法を統一的に分析するための制御理論フレームワークを提案する。
論文 参考訳(メタデータ) (2022-02-14T18:32:57Z) - On the existence of global minima and convergence analyses for gradient
descent methods in the training of deep neural networks [3.198144010381572]
フィードフォワード深層ReLU ANNを任意に多数の隠蔽層で研究する。
我々は,そのようなANNの訓練において,ランダムなGD最適化手法のリスクを収束させることを証明した。
また、勾配流微分方程式の解も研究する。
論文 参考訳(メタデータ) (2021-12-17T18:55:40Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳(メタデータ) (2020-07-02T17:55:47Z) - Local Propagation in Constraint-based Neural Network [77.37829055999238]
ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。
本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
論文 参考訳(メタデータ) (2020-02-18T16:47:38Z)
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。