論文の概要: A Small-Gain Theorem for Discrete-Time Convergent Systems and Its Applications

• arxiv url: http://arxiv.org/abs/2105.02376v1
• Date: Thu, 6 May 2021 00:01:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-01 08:10:46.408931
• Title: A Small-Gain Theorem for Discrete-Time Convergent Systems and Its Applications
• Title（参考訳）: 離散時間収束系に対する小利得定理とその応用
• Authors: Jiayen Chen and Hendra I. Nurdin
• Abstract要約: 非線形系の収束性、収縮性、あるいは漸進性は制御タスクへの関心を惹きつけている。 本稿では、離散時間出力-フィードバック相互接続系に対して一様入力-出力収束性を持つ小さなゲイン定理を提案する。
• 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: Convergent, contractive or incremental stability properties of nonlinear systems have attracted interest for control tasks such as observer design, output regulation and synchronization. The convergence property plays a central role in the neuromorphic (brain-inspired) computing of reservoir computing, which seeks to harness the information processing capability of nonlinear systems. This paper presents a small-gain theorem for discrete-time output-feedback interconnected systems to be uniformly input-to-output convergent (UIOC) with outputs converging to a bounded reference output uniquely determined by the input. A small-gain theorem for interconnected time-varying discrete-time uniform input-to-output stable systems that could be of separate interest is also presented as an intermediate result. Applications of the UIOC small-gain theorem are illustrated in the design of observer-based controllers and interconnected nonlinear classical and quantum dynamical systems (as reservoir computers) for black-box system identification.
• Abstract（参考訳）: 非線形システムの収束的、収縮的、あるいは漸進的安定性特性はオブザーバ設計、出力制御、同期といった制御タスクに注目されている。 収束特性は、非線形システムの情報処理能力を活用しようとする貯水池計算のニューロモルフィック(脳にインスパイアされた)コンピューティングにおいて中心的な役割を果たす。 本稿では、離散時間出力-フィードバック相互接続系に対する小利得定理を、入力によって一意に決定される有界基準出力に収束する出力で一様に入力-出力収束(UIOC)する。 相互接続された時間変化離散時間均一な入出力安定系に対する小さな利得定理も中間結果として提示される。 UIOC小利得定理の応用は、ブラックボックスシステム同定のためのオブザーバーベースのコントローラと相互接続された非線形古典的量子力学系(貯水池コンピュータ)の設計において説明される。

関連論文リスト

• Input-Output Hierarchical Equations Of Motion [0.6008132390640295]
  階層型運動方程式(HEOM)を拡張してボゾン環境の出力物理特性を計算する。 与えられた所望の入力状態と出力可観測値に対して、正規HEOMを拡張するインデックスの範囲は、構成上は有界である。 全体として、この形式主義の目的は、非ガウス的入力状態をモデル化するためのHEOMフレームワークの効率と、ボソニックで非マルコフ的オープン量子系における環境観測可能のダイナミクスを活用することである。
  論文  参考訳（メタデータ） (2024-08-22T08:48:04Z)
• Spatio-Temporal Deep Learning-Assisted Reduced Security-Constrained Unit Commitment [0.5076419064097734]
  SCUC(Security-Constrained Unit commitment)は、電力系統の日頭スケジューリングと市場浄化に使用される計算上の複雑なプロセスである。 本稿では,制約の空間的相関と時間的相関を本質的に考慮した,電力系統履歴データのパターンの学習に先進機械学習(ML)モデルを用いる。 ST関連MLモデルはグラフニューラルネットワーク(GNN)を考慮して空間相関を理解するために訓練される一方、時間列は長期記憶(LSTM)ネットワークを用いて研究される。
  論文  参考訳（メタデータ） (2023-06-02T14:31:24Z)
• Nonlinear Bipartite Output Regulation with Application to Turing Pattern [5.22349049062643]
  非線形分散オブザーバを協調競合相互作用を持つ非線形エクソシステムに対して提案し,この問題に対処する。 実践的な応用として、オブザーバに基づく非線形マルチエージェントシステムのクラスに対して、リーダー追従二部構成のコンセンサス問題を解く。
  論文  参考訳（メタデータ） (2023-05-25T03:03:21Z)
• Dealing with Collinearity in Large-Scale Linear System Identification Using Gaussian Regression [3.04585143845864]
  複数の相互接続型動的システムからなるネットワークの推定について検討する。 我々は、任意のインパルス応答をゼロ平均ガウス過程の実現と見なすベイズ正規化フレームワークにキャストされた戦略を開発する。 我々はマルコフ連鎖モンテカルロスキームを設計し、コリナリティを効率的に扱うことでインパルス応答を後方に再構築する。
  論文  参考訳（メタデータ） (2023-02-21T19:35:47Z)
• Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
  通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。 理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。 本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
  論文  参考訳（メタデータ） (2022-10-12T06:46:38Z)
• Convex Analysis of the Mean Field Langevin Dynamics [49.66486092259375]
  平均場ランゲヴィン力学の収束速度解析について述べる。 ダイナミックスに付随する$p_q$により、凸最適化において古典的な結果と平行な収束理論を開発できる。
  論文  参考訳（メタデータ） (2022-01-25T17:13:56Z)
• Space-Time Graph Neural Networks [104.55175325870195]
  本研究では、時空間グラフニューラルネットワーク(ST-GNN)を導入し、時間変動ネットワークデータの時空間トポロジを共同処理する。 解析の結果,システムのネットワークトポロジと時間進化の変動はST-GNNの性能に大きく影響しないことがわかった。
  論文  参考訳（メタデータ） (2021-10-06T16:08:44Z)
• Universal set of Observables for Forecasting Physical Systems through Causal Embedding [0.0]
  我々は、基底となる力学系や観測の左無限軌道全体が、異なる空間にある一対の要素によって一意に表現できる時と方法を示す。 そのようなペアの集まりは、駆動力学系から派生したもので、駆動系と共に関数を学ぶために用いられる: (つまり、トポロジカルに基底系に共役する系を決定する。
  論文  参考訳（メタデータ） (2021-05-22T16:28:57Z)
• Lipschitz Recurrent Neural Networks [100.72827570987992]
  我々のリプシッツ再帰ユニットは、他の連続時間RNNと比較して、入力やパラメータの摂動に対してより堅牢であることを示す。 実験により,Lipschitz RNNは,ベンチマークタスクにおいて,既存のリカレントユニットよりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-06-22T08:44:52Z)
• Focus of Attention Improves Information Transfer in Visual Features [80.22965663534556]
  本稿では,真のオンライン環境下での視覚情報伝達のための教師なし学習に焦点を当てた。 エントロピー項の計算は、エントロピー項のオンライン推定を行う時間的プロセスによって行われる。 入力確率分布をよりよく構成するために,人間のような注目モデルを用いる。
  論文  参考訳（メタデータ） (2020-06-16T15:07:25Z)
• On dissipative symplectic integration with applications to gradient-based optimization [77.34726150561087]
  本稿では,離散化を体系的に実現する幾何学的枠組みを提案する。 我々は、シンプレクティックな非保守的、特に散逸的なハミルトン系への一般化が、制御された誤差まで収束率を維持することができることを示す。
  論文  参考訳（メタデータ） (2020-04-15T00:36:49Z)

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。