論文の概要: Accurate Parameter Estimation for Risk-aware Autonomous Systems
- arxiv url: http://arxiv.org/abs/2006.12687v2
- Date: Wed, 16 Mar 2022 17:19:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 23:03:05.866533
- Title: Accurate Parameter Estimation for Risk-aware Autonomous Systems
- Title（参考訳）: リスク対応自律システムの正確なパラメータ推定
- Authors: Arnab Sarker, Peter Fisher, Joseph E. Gaudio, Anuradha M. Annaswamy
- Abstract要約: 本稿では,自律システムの動的モデルのパラメータを推定するためのスペクトル線に基づくアプローチについて述べる。
既存の文献では、力学系のすべての非モデル化された成分をガウス下雑音として扱っている。
提案手法は既存の文献と一致して$tildeO(sqrtT)$ regretを保証できることを示す。
- 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: Analysis and synthesis of safety-critical autonomous systems are carried out
using models which are often dynamic. Two central features of these dynamic
systems are parameters and unmodeled dynamics. This paper addresses the use of
a spectral lines-based approach for estimating parameters of the dynamic model
of an autonomous system. Existing literature has treated all unmodeled
components of the dynamic system as sub-Gaussian noise and proposed parameter
estimation using Gaussian noise-based exogenous signals. In contrast, we allow
the unmodeled part to have deterministic unmodeled dynamics, which are almost
always present in physical systems, in addition to sub-Gaussian noise. In
addition, we propose a deterministic construction of the exogenous signal in
order to carry out parameter estimation. We introduce a new tool kit which
employs the theory of spectral lines, retains the stochastic setting, and leads
to non-asymptotic bounds on the parameter estimation error. Unlike the existing
stochastic approach, these bounds are tunable through an optimal choice of the
spectrum of the exogenous signal leading to accurate parameter estimation. We
also show that this estimation is robust to unmodeled dynamics, a property that
is not assured by the existing approach. Finally, we show that under ideal
conditions with no unmodeled dynamics, the proposed approach can ensure a
$\tilde{O}(\sqrt{T})$ regret, matching existing literature. Experiments are
provided to support all theoretical derivations, which show that the spectral
lines-based approach outperforms the Gaussian noise-based method when unmodeled
dynamics are present, in terms of both parameter estimation error and Regret
obtained using the parameter estimates with a Linear Quadratic Regulator in
feedback.
- Abstract（参考訳）: 安全クリティカルな自律システムの分析と合成は、しばしば動的であるモデルを用いて行われる。
これらの動的システムの2つの中心的な特徴はパラメータと非モデル化ダイナミクスである。
本稿では,自律システムの動的モデルのパラメータを推定するためのスペクトル線に基づくアプローチについて述べる。
既存の文献では動的システムの全ての非モデル化成分を準ゲージ雑音として扱い、ガウス雑音に基づく外因性信号を用いたパラメータ推定を提案する。
対照的に、非モデル化部分は決定論的非モデル化ダイナミクスを持ち、ほぼ常に物理系に存在する。
さらに,パラメータ推定を行うために,外因性信号の決定論的構成を提案する。
本稿では,スペクトル線の理論を応用し,確率的設定を保ち,パラメータ推定誤差の非漸近境界を導く新しいツールキットを提案する。
既存の確率的アプローチとは異なり、これらの境界は外因性信号のスペクトルを最適に選択することで、正確なパラメータ推定につながる。
また、この推定は、既存のアプローチでは保証されない性質である非モデル化ダイナミクスに頑健であることも示します。
最後に、非モデル化ダイナミクスを持たない理想的な条件下では、提案手法は既存の文献と一致する$\tilde{o}(\sqrt{t})$を保証できることを示す。
線形二次レギュレータを用いたパラメータ推定を用いて得られたパラメータ推定誤差と後悔の両方の観点から、スペクトル線に基づくアプローチが、非モデル化ダイナミクスが存在するときにガウス雑音に基づく手法よりも優れることを示す、すべての理論導出を支持する実験を行った。
関連論文リスト
- Active-Learning-Driven Surrogate Modeling for Efficient Simulation of
Parametric Nonlinear Systems [0.0]
支配方程式がなければ、パラメトリック還元次代理モデルを非侵襲的に構築する必要がある。
我々の研究は、パラメータのスナップショットを効率的に表示するための非侵入的最適性基準を提供する。
カーネルベースの浅層ニューラルネットワークを用いた能動的学習駆動サロゲートモデルを提案する。
論文 参考訳（メタデータ） (2023-06-09T18:01:14Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Robust identification of non-autonomous dynamical systems using
stochastic dynamics models [0.0]
本稿では, 非線形・非線形非自律系における雑音・スパースデータからのシステム識別(ID)の問題について考察する。
隠れマルコフモデル学習のためのベイズ式から導かれる目的関数を提案し,解析する。
提案手法は,システムIDに適合するスムーズさと本質的な正規化を改善したことを示す。
論文 参考訳（メタデータ） (2022-12-20T16:36:23Z) - Reduced order modeling of parametrized systems through autoencoders and
SINDy approach: continuation of periodic solutions [0.0]
本研究は,ROM構築と動的識別の低減を組み合わせたデータ駆動型非侵入型フレームワークを提案する。
提案手法は、非線形力学(SINDy)のパラメトリックスパース同定によるオートエンコーダニューラルネットワークを利用して、低次元力学モデルを構築する。
これらは、システムパラメータの関数として周期的定常応答の進化を追跡し、過渡位相の計算を避け、不安定性と分岐を検出することを目的としている。
論文 参考訳（メタデータ） (2022-11-13T01:57:18Z) - Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic
Dynamical Models with Epistemic Uncertainty [68.00748155945047]
複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。
いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。
我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
論文 参考訳（メタデータ） (2022-10-12T07:57:03Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-29T23:31:25Z) - Time varying regression with hidden linear dynamics [74.9914602730208]
線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。
反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
論文 参考訳（メタデータ） (2021-12-29T23:37:06Z) - Uncertainty quantification in a mechanical submodel driven by a
Wasserstein-GAN [0.0]
本稿では,機械学習やデータ駆動手法における非線形手法の利用が重要であることを示す。
このような応用にはGAN(Generative Adversarial Networks)が適しており、Wasserstein-GANには勾配ペナルティのバリエーションがある。
論文 参考訳（メタデータ） (2021-10-26T13:18:06Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Neural Dynamic Mode Decomposition for End-to-End Modeling of Nonlinear
Dynamics [49.41640137945938]
ニューラルネットワークに基づくリフト関数を推定するためのニューラルダイナミックモード分解法を提案する。
提案手法により,予測誤差はニューラルネットワークとスペクトル分解によって逆伝搬される。
提案手法の有効性を,固有値推定と予測性能の観点から実証した。
論文 参考訳（メタデータ） (2020-12-11T08:34:26Z) - Kernel-based parameter estimation of dynamical systems with unknown
observation functions [15.1749038371963]
低次元力学系は高次元信号として実験で観察される。
時間進化を1回だけ測定することで、基礎となるシステムのパラメータを推定できるだろうか?
この推定を行うための重要な情報は、信号とモデルの間の時間的相互依存性にある。
論文 参考訳（メタデータ） (2020-09-09T07:29:11Z)
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。