Fugu-MT 論文翻訳(概要): Data-Driven Reachability Analysis Using Matrix Zonotopes

論文の概要: Data-Driven Reachability Analysis Using Matrix Zonotopes

arxiv url: http://arxiv.org/abs/2011.08472v3
Date: Sat, 11 Sep 2021 16:05:25 GMT
ステータス: 処理完了
システム内更新日: 2022-09-24 17:58:30.069640
Title: Data-Driven Reachability Analysis Using Matrix Zonotopes
Title（参考訳）: 行列zonotopesを用いたデータ駆動到達可能性解析
Authors: Amr Alanwar, Anne Koch, Frank Allg\"ower, Karl Henrik Johansson
Abstract要約: ノイズの多いデータからデータ駆動型リーチビリティ解析手法を提案する。まず,線形時間不変系の到達可能な集合を過度に近似するアルゴリズムを提案する。次に、リプシッツ非線形系の拡張を導入する。
参考スコア（独自算出の注目度）: 5.6184230760292175
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a data-driven reachability analysis approach for unknown system dynamics. Reachability analysis is an essential tool for guaranteeing safety properties. However, most current reachability analysis heavily relies on the existence of a suitable system model, which is often not directly available in practice. We instead propose a data-driven reachability analysis approach from noisy data. More specifically, we first provide an algorithm for over-approximating the reachable set of a linear time-invariant system using matrix zonotopes. Then we introduce an extension for Lipschitz nonlinear systems. We provide theoretical guarantees in both cases. Numerical examples show the potential and applicability of the introduced methods.
Abstract（参考訳）: 本稿では,未知のシステムダイナミクスに対するデータ駆動到達可能性解析手法を提案する。到達可能性分析は安全特性の保証に不可欠なツールである。しかし、現在の到達可能性分析のほとんどは適切なシステムモデルの存在に大きく依存しており、実際は直接利用できないことが多い。その代わりに,ノイズデータからデータ駆動到達可能性解析手法を提案する。より具体的には、行列ゾノトープを用いた線形時間不変系の到達可能な集合をオーバー近似するアルゴリズムを最初に提供する。次に、リプシッツ非線形系の拡張を導入する。どちらの場合も理論的に保証する。数値的な例は、導入する手法の可能性と適用性を示している。

関連論文リスト

Information-Theoretic Safe Bayesian Optimization [59.758009422067005]
そこでは、未知の(安全でない)制約に反するパラメータを評価することなく、未知の関数を最適化することを目的としている。現在のほとんどのメソッドはドメインの離散化に依存しており、連続ケースに直接拡張することはできない。本稿では,GP後部を直接利用して,最も情報に富む安全なパラメータを識別する情報理論的安全な探索基準を提案する。
論文参考訳（メタデータ） (2024-02-23T14:31:10Z)
Data-Driven Reachability Analysis of Stochastic Dynamical Systems with Conformal Inference [1.446438366123305]
共形推論を用いた離散時間力学系のデータ駆動型到達可能性解析について考察する。複雑な閉ループ力学を持つ学習可能な制御系に着目する。
論文参考訳（メタデータ） (2023-09-17T07:23:01Z)
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)
Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
論文参考訳（メタデータ） (2022-07-21T11:14:47Z)
Koopman operator for time-dependent reliability analysis [0.0]
そこで我々は,Koopmanオブザーバブルを学習し,動的応答の行程に使用するエンドツーエンドのディープラーニングアーキテクチャを提案する。純粋にデータ駆動のアプローチとは異なり、提案手法は不確実性が存在する場合でも堅牢である。
論文参考訳（メタデータ） (2022-03-05T04:57:20Z)
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)
Learning Stable Koopman Embeddings [9.239657838690228]
本稿では,非線形システムの安定モデル学習のための新しいデータ駆動手法を提案する。離散時間非線形契約モデルはすべて、我々のフレームワークで学習できることを実証する。
論文参考訳（メタデータ） (2021-10-13T05:44:13Z)
Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文参考訳（メタデータ） (2021-05-17T08:36:18Z)
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)
Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文参考訳（メタデータ） (2020-06-18T04:54:11Z)

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。