論文の概要: A Novel Cluster Classify Regress Model Predictive Controller
Formulation; CCR-MPC
- arxiv url: http://arxiv.org/abs/2101.07655v1
- Date: Fri, 15 Jan 2021 12:14:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-28 18:18:24.461101
- Title: A Novel Cluster Classify Regress Model Predictive Controller
Formulation; CCR-MPC
- Title(参考訳): 新しいクラスター分類レグレッシブモデル予測制御器ccr-mpc
- Authors: Clement Etienam, Siying Shen, Edward J O'Dwyer and Joshua Sykes
- Abstract要約: 機械学習の分野において,高度な手法を用いた新しいデータ駆動モデル予測制御器を開発した。
目的は、外部の気象状態によって間接的に影響を受ける、所望の室内設定温度を調整するための制御信号を調整することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we develop a novel data-driven model predictive controller
using advanced techniques in the field of machine learning. The objective is to
regulate control signals to adjust the desired internal room setpoint
temperature, affected indirectly by the external weather states. The
methodology involves developing a time-series machine learning model with
either a Long Short Term Memory model (LSTM) or a Gradient Boosting Algorithm
(XGboost), capable of forecasting this weather states for any desired time
horizon and concurrently optimising the control signals to the desired set
point. The supervised learning model for mapping the weather states together
with the control signals to the room temperature is constructed using a
previously developed methodology called Cluster Classify regress (CCR), which
is similar in style but scales better to high dimensional dataset than the
well-known Mixture-of-Experts. The overall method called CCR-MPC involves a
combination of a time series model for weather states prediction, CCR for
forwarding and any numerical optimisation method for solving the inverse
problem. Forward uncertainty quantification (Forward-UQ) leans towards the
regression model in the CCR and is attainable using a Bayesian deep neural
network or a Gaussian process (GP). For this work, in the CCR modulation, we
employ K-means clustering for Clustering, XGboost classifier for Classification
and 5th order polynomial regression for Regression. Inverse UQ can also be
obtained by using an I-ES approach for solving the inverse problem or even the
well-known Markov chain Monte Carlo (MCMC) approach. The developed CCR-MPC is
elegant, and as seen on the numerical experiments is able to optimise the
controller to attain the desired setpoint temperature.
- Abstract(参考訳): 本研究では,機械学習の分野における高度な技術を用いた新しいデータ駆動モデル予測制御器を開発する。
目的は、外部の気象状態によって間接的に影響を受ける、所望の室内設定温度を調整するための制御信号を調整することである。
この手法は、Long Short Term Memory Model (LSTM) または Gradient Boosting Algorithm (XGboost) を用いて時系列機械学習モデルを開発することを含み、任意の時間的地平線に対してこの気象状態を予測し、制御信号を所望のセットポイントに同時最適化することができる。
気象状態を制御信号とともに室温にマッピングする教師付き学習モデルは、CCR(Cluster Classify regress)と呼ばれる以前に開発された手法を用いて構築される。
CCR-MPCと呼ばれる全体的な手法は、天気予報のための時系列モデル、転送のためのCCR、逆問題を解決するための数値最適化手法を組み合わせたものである。
前向きの不確実性定量化(フォワード-UQ)は、CCRの回帰モデルに傾き、ベイズディープニューラルネットワークまたはガウスプロセス(GP)を用いて達成可能である。
このために, ccr変調では, クラスタリングにはk平均クラスタリング, 分類にはxgboost分類器, 回帰には5次多項式回帰を用いる。
逆UQは、逆問題やよく知られたマルコフ連鎖モンテカルロ(MCMC)アプローチを解くためにI-ESアプローチを用いても得られる。
開発されたCCR-MPCはエレガントであり、数値実験で見られるように、コントローラを最適化して所望のセットポイント温度を達成することができる。
関連論文リスト
- Amortized Bayesian Local Interpolation NetworK: Fast covariance parameter estimation for Gaussian Processes [0.04660328753262073]
高速な共分散パラメータ推定のための補正ベイズ局所補間ネットWorKを提案する。
これらのネットワークの高速な予測時間により、行列の反転ステップをバイパスし、大きな計算スピードアップを発生させることができる。
拡張性のあるGP手法に比べて計算効率が大幅に向上することを示す。
論文 参考訳(メタデータ) (2024-11-10T01:26:16Z) - Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Bénard Convection [4.248022697109535]
我々は,LRAN(Linear Recurrent Autoencoder Network)と呼ばれるクープマンにインスパイアされたアーキテクチャを用いて,対流中の低次ダイナミクスを学習する。
従来の流体力学法であるKernel Dynamic Mode Decomposition (KDMD)を用いてLRANを比較する。
我々は,最も乱流条件下では,KDMDよりもLRANの方が正確な予測値を得た。
論文 参考訳(メタデータ) (2024-05-10T12:15:02Z) - Time-to-Green predictions for fully-actuated signal control systems with
supervised learning [56.66331540599836]
本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。
我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。
スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
論文 参考訳(メタデータ) (2022-08-24T07:50:43Z) - Accurate Discharge Coefficient Prediction of Streamlined Weirs by
Coupling Linear Regression and Deep Convolutional Gated Recurrent Unit [2.4475596711637433]
本研究では,CFDシミュレーションに代わるデータ駆動モデリング手法を提案する。
提案した3層階層型DLアルゴリズムは,後続の2つのGRUレベルを結合した畳み込み層で構成されており,LR法とハイブリダイゼーションすることで,誤差の低減につながることがわかった。
論文 参考訳(メタデータ) (2022-04-12T01:59:36Z) - Finite-time System Identification and Adaptive Control in Autoregressive
Exogenous Systems [79.67879934935661]
未知のARXシステムのシステム識別と適応制御の問題について検討する。
我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
論文 参考訳(メタデータ) (2021-08-26T18:00:00Z) - Layer Pruning on Demand with Intermediate CTC [50.509073206630994]
我々はコネクショニスト時間分類(CTC)に基づくASRの訓練と刈り取り方法を提案する。
本稿では,Transformer-CTCモデルをオンデマンドで様々な深さでプルーニングできることを示し,GPU上でのリアルタイム係数を0.005から0.002に改善した。
論文 参考訳(メタデータ) (2021-06-17T02:40:18Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳(メタデータ) (2020-11-14T01:27:32Z) - Autoregressive Score Matching [113.4502004812927]
自動回帰条件スコアモデル(AR-CSM)を提案する。
AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。
本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
論文 参考訳(メタデータ) (2020-10-24T07:01:24Z) - An adaptive Hessian approximated stochastic gradient MCMC method [12.93317525451798]
後方からのサンプリング中に局所的幾何情報を組み込む適応型ヘッセン近似勾配MCMC法を提案する。
我々は,ネットワークの空間性を高めるために,等級に基づく重み付け法を採用する。
論文 参考訳(メタデータ) (2020-10-03T16:22:15Z) - Adaptive Correlated Monte Carlo for Contextual Categorical Sequence
Generation [77.7420231319632]
我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。
また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
論文 参考訳(メタデータ) (2019-12-31T03:01:55Z)
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。