論文の概要: Data-Driven System Level Synthesis
- arxiv url: http://arxiv.org/abs/2011.10674v3
- Date: Sat, 6 Mar 2021 19:42:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 06:55:03.589882
- Title: Data-Driven System Level Synthesis
- Title（参考訳）: データ駆動システムレベル合成
- Authors: Anton Xue and Nikolai Matni
- Abstract要約: 本稿では,過去のシステムトラジェクトリのライブラリのみを用いて,システム応答に対する最適化問題を提示できることを示す。
まず、ノイズフリー軌道の理想的な設定を検討し、従来のSLSとデータ駆動SLSの正確な等価性を示す。
次に,プロセスノイズによって駆動されるシステムの場合,頑健なSLSツールを用いて,閉ループ性能に対するノイズの影響を評価できることを示す。
- 参考スコア（独自算出の注目度）: 2.335152769484957
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We establish data-driven versions of the System Level Synthesis (SLS)
parameterization of achievable closed-loop system responses for a
linear-time-invariant system over a finite-horizon. Inspired by recent work in
data-driven control that leverages tools from behavioral theory, we show that
optimization problems over system-responses can be posed using only libraries
of past system trajectories, without explicitly identifying a system model. We
first consider the idealized setting of noise free trajectories, and show an
exact equivalence between traditional and data-driven SLS. We then show that in
the case of a system driven by process noise, tools from robust SLS can be used
to characterize the effects of noise on closed-loop performance, and further
draw on tools from matrix concentration to show that a simple trajectory
averaging technique can be used to mitigate these effects. We end with
numerical experiments showing the soundness of our methods.
- Abstract（参考訳）: 有限水平上の線形時間不変系に対する達成可能な閉ループシステム応答のパラメータ化を,システムレベル合成(SLS)のデータ駆動型として確立する。
行動理論のツールを活用するデータ駆動制御の最近の取り組みに触発されて,システムモデルを明確に識別することなく,過去のシステムトラジェクタのライブラリのみを使用してシステム応答よりも最適化の問題を起こすことができることを示した。
まず、ノイズフリー軌道の理想的な設定を検討し、従来のSLSとデータ駆動SLSの正確な等価性を示す。
次に,プロセスノイズによって駆動されるシステムの場合,ロバストなslsのツールを用いて閉ループ性能に対するノイズの影響を特徴付け,さらにマトリックス濃度からツールを引き出すことにより,単純な軌道平均化手法がこれらの効果を緩和できることを示す。
最後に,提案手法の健全性を示す数値実験を行う。
関連論文リスト
- Outlier-Robust Linear System Identification Under Heavy-tailed Noise [2.07180164747172]
線形時間不変系の状態遷移行列を推定する問題を考察する。
我々は、複数の弱集中型推定器の構築に依存する、新しいロバストなシステム同定アルゴリズムを開発した。
提案手法は, 敵が収集したトラジェクトリデータのごく一部を任意に破壊できるシナリオを考慮し, 容易に拡張可能であることを示す。
論文 参考訳（メタデータ） (2024-12-31T12:53:02Z) - A least-square method for non-asymptotic identification in linear switching control [17.938732931331064]
基礎となる部分観測線形力学系は、既知の候補モデルの有限集合内にあることが知られている。
線形最小二乗法の非漸近解析における最近の進歩を活用して、この問題の有限時間サンプル複雑性を特徴づける。
基礎となるシステムの未知のパラメータを識別するデータ駆動型スイッチング戦略を提案する。
論文 参考訳（メタデータ） (2024-04-11T20:55:38Z) - Denoising Diffusion-Based Control of Nonlinear Systems [3.4530027457862]
本稿では,非線形力学系を制御するために,拡散確率モデル(DDPM)に基づく新しい手法を提案する。
DDPMは様々なサンプリングタスクで成功を収めた生成モデルの最先端技術である。
様々な非線形システムに対する我々のアプローチを数値的に研究し、理論的結果を検証する。
論文 参考訳（メタデータ） (2024-02-03T23:19:26Z) - Closing the loop: Autonomous experiments enabled by
machine-learning-based online data analysis in synchrotron beamline
environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。
本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。
本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文 参考訳（メタデータ） (2023-06-20T21:21:19Z) - Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology [55.41644538483948]
リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
論文 参考訳（メタデータ） (2023-03-10T14:46:42Z) - 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) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。
予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。
本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文 参考訳（メタデータ） (2021-09-06T04:39:06Z) - Robust Data-Driven Predictive Control using Reachability Analysis [6.686241050151697]
境界プロセスおよび測定ノイズを有する未知の線形システムの堅牢なデータ駆動制御方式を提案する。
データ駆動到達可能領域は、システムの軌道のノイズの多い入出力データのみに基づいて算出される。
ノイズフリーの場合、提示された純粋にデータ駆動制御スキームが、名目モデル予測制御スキームに等価な閉ループ挙動をもたらすことを示す。
論文 参考訳（メタデータ） (2021-03-25T19:55:15Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳（メタデータ） (2021-02-15T19:56:48Z) - 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。
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。