論文の概要: Learning Minimum-Energy Controls from Heterogeneous Data
- arxiv url: http://arxiv.org/abs/2006.10895v1
- Date: Thu, 18 Jun 2020 23:31:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 14:40:15.392474
- Title: Learning Minimum-Energy Controls from Heterogeneous Data
- Title（参考訳）: 不均一データから最小エネルギー制御を学ぶ
- Authors: Giacomo Baggio and Fabio Pasqualetti
- Abstract要約: 不均一なデータから線形システムの最小エネルギー制御を学習する問題について検討する。
この設定では、まず、システムの入力およびサンプル状態軌跡の一般的な表現を確立する。
そして、このデータに基づく表現を利用して、幅広い制御地平線に対する最小エネルギー制御のデータ駆動表現を導出する。
- 参考スコア（独自算出の注目度）: 5.381004207943598
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we study the problem of learning minimum-energy controls for
linear systems from heterogeneous data. Specifically, we consider datasets
comprising input, initial and final state measurements collected using
experiments with different time horizons and arbitrary initial conditions. In
this setting, we first establish a general representation of input and sampled
state trajectories of the system based on the available data. Then, we leverage
this data-based representation to derive closed-form data-driven expressions of
minimum-energy controls for a wide range of control horizons. Further, we
characterize the minimum number of data required to reconstruct the
minimum-energy inputs, and discuss the numerical properties of our expressions.
Finally, we investigate the effect of noise on our data-driven formulas, and,
in the case of noise with known second-order statistics, we provide corrected
expressions that converge asymptotically to the true optimal control inputs.
- Abstract（参考訳）: 本稿では,不均質データから線形システムの最小エネルギー制御を学習する問題について検討する。
具体的には、異なる時間軸と任意の初期条件を用いた実験を用いて、入力、初期状態、最終状態の測定を含むデータセットを検討する。
この設定では、まず、利用可能なデータに基づいて、システムの入力およびサンプル状態軌跡の一般的な表現を確立する。
そして、このデータに基づく表現を利用して、幅広い制御地平線に対する最小エネルギー制御の閉形式データ駆動表現を導出する。
さらに,最小エネルギー入力の再構成に必要な最小データ数を特徴付け,表現の数値的性質について考察する。
最後に, 雑音がデータ駆動式に与える影響について検討し, 既知の2次統計値を持つ雑音の場合, 真の最適制御入力に漸近的に収束する補正式を提供する。
関連論文リスト
- Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳（メタデータ） (2024-04-11T09:23:36Z) - Minimally Supervised Learning using Topological Projections in
Self-Organizing Maps [55.31182147885694]
自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。
提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。
提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
論文 参考訳（メタデータ） (2024-01-12T22:51:48Z) - Double Descent and Overfitting under Noisy Inputs and Distribution Shift for Linear Denoisers [3.481985817302898]
教師付き denoising を研究する上での懸念は,テスト分布からのノイズレストレーニングデータが常に存在するとは限らないことだ。
そこで本研究では,分散シフト下での教師付きノイズ除去とノイズインプット回帰について検討した。
論文 参考訳（メタデータ） (2023-05-26T22:41:40Z) - LMI-based Data-Driven Robust Model Predictive Control [0.1473281171535445]
入力制約と状態制約を考慮したデータ駆動型ロバストな線形行列不等式モデル予測制御手法を提案する。
コントローラは閉ループシステムを安定化し、制約満足度を保証する。
論文 参考訳（メタデータ） (2023-03-08T18:20:06Z) - Physics-Informed Neural Networks for Material Model Calibration from
Full-Field Displacement Data [0.0]
本研究では,実環境下でのフルフィールド変位と大域力データからモデルのキャリブレーションを行うためのPINNを提案する。
拡張PINNは、実験的な1次元データと合成フルフィールド変位データの両方から材料パラメータを識別できることを実証した。
論文 参考訳（メタデータ） (2022-12-15T11:01:32Z) - Learning to Limit Data Collection via Scaling Laws: Data Minimization
Compliance in Practice [62.44110411199835]
我々は機械学習法における文献に基づいて、データとシステム性能を結びつけるデータ解釈に基づく収集を制限するフレームワークを提案する。
我々は、性能曲線微分に基づくデータ最小化基準を定式化し、有効かつ解釈可能な分数法法技術を提供する。
論文 参考訳（メタデータ） (2021-07-16T19:59:01Z) - PriorGrad: Improving Conditional Denoising Diffusion Models with
Data-Driven Adaptive Prior [103.00403682863427]
条件拡散モデルの効率を改善するために, PreGrad を提案する。
PriorGradはデータとパラメータの効率を向上し、品質を向上する。
論文 参考訳（メタデータ） (2021-06-11T14:04:03Z) - Unsupervised machine learning of topological phase transitions from
experimental data [52.77024349608834]
超低温原子からの実験データに教師なし機械学習技術を適用する。
我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。
我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
論文 参考訳（メタデータ） (2021-01-14T16:38:21Z) - Evaluating representations by the complexity of learning low-loss
predictors [55.94170724668857]
下流タスクの解決に使用されるデータの表現を評価することの問題点を考察する。
本稿では,関心のあるタスクにおける低損失を実現する表現の上に,予測器を学習する複雑性によって表現の質を測定することを提案する。
論文 参考訳（メタデータ） (2020-09-15T22:06:58Z) - Data Weighted Training Strategies for Grammatical Error Correction [8.370770440898454]
文法的誤り訂正(GEC)のトレーニングスケジュールにデルタ-log-perplexityを組み込む方法を示す。
得られたデータに基づいて訓練されたモデルは、一般的なGECテストセットで最先端の結果を得る。
論文 参考訳（メタデータ） (2020-08-07T03:30:14Z) - The optimal transport paradigm enables data compression in data-driven
robust control [4.162663632560141]
我々は、このような大きなデータセットを、代表行動のより小さな合成データセットに圧縮する最適な輸送ベース手法を採用する。
圧縮データを用いて計算した分散ロバストな制御法は、元のデータセットと同じ種類の性能保証を享受できることを示す。
数値シミュレーションにより, 合成データによる制御性能は, 元のデータと同等であるが, 計算量が少なくなることを確認した。
論文 参考訳（メタデータ） (2020-05-19T12:38:20Z)
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。