Fugu-MT 論文翻訳(概要): Distributed Identification of Contracting and/or Monotone Network Dynamics

論文の概要: Distributed Identification of Contracting and/or Monotone Network Dynamics

arxiv url: http://arxiv.org/abs/2107.14309v1
Date: Thu, 29 Jul 2021 20:15:02 GMT
ステータス: 処理完了
システム内更新日: 2021-08-02 12:48:37.793585
Title: Distributed Identification of Contracting and/or Monotone Network Dynamics
Title（参考訳）: 契約および/またはモノトンネットワークダイナミクスの分散同定
Authors: Max Revay, Jack Umenberger, Ian R. Manchester
Abstract要約: 本稿では,大規模ネットワークシステムの同定手法を提案する。私たちが対処する主な課題は、モデルパラメータと安定性の証明書を同時に検索することと、数百から数千のノードを持つネットワークへのスケーラビリティです。
参考スコア（独自算出の注目度）: 8.057006406834466
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes methods for identification of large-scale networked systems with guarantees that the resulting model will be contracting -- a strong form of nonlinear stability -- and/or monotone, i.e. order relations between states are preserved. The main challenges that we address are: simultaneously searching for model parameters and a certificate of stability, and scalability to networks with hundreds or thousands of nodes. We propose a model set that admits convex constraints for stability and monotonicity, and has a separable structure that allows distributed identification via the alternating directions method of multipliers (ADMM). The performance and scalability of the approach is illustrated on a variety of linear and non-linear case studies, including a nonlinear traffic network with a 200-dimensional state space.
Abstract（参考訳）: 本稿では,非線形安定性の強い形式である収縮モデルとモノトーンモデルとを保証し,大規模ネットワークシステムの同定手法を提案する。国家間の秩序関係は保たれています私たちが対処する主な課題は、モデルパラメータと安定性の証明書を同時に検索し、数百から数千のノードを持つネットワークへのスケーラビリティです。本稿では,安定度と単調性に対する凸制約を許容するモデルセットを提案し,乗算器の交互方向法(ADMM)による分散同定が可能な分離可能な構造を持つ。このアプローチの性能と拡張性は,200次元状態空間を持つ非線形トラフィックネットワークを含む,線形および非線形のケーススタディで説明される。

関連論文リスト

The Risk of Federated Learning to Skew Fine-Tuning Features and Underperform Out-of-Distribution Robustness [50.52507648690234]
フェデレートされた学習は、微調整された特徴をスキイングし、モデルの堅牢性を損なうリスクがある。 3つのロバスト性指標を導入し、多様なロバストデータセットで実験を行う。提案手法は,パラメータ効率のよい微調整手法を含む多種多様なシナリオにまたがるロバスト性を著しく向上させる。
論文参考訳（メタデータ） (2024-01-25T09:18:51Z)
Distributionally Robust Model-based Reinforcement Learning with Large State Spaces [55.14361269378122]
強化学習における3つの大きな課題は、大きな状態空間を持つ複雑な力学系、コストのかかるデータ取得プロセス、トレーニング環境の展開から現実の力学を逸脱させることである。広範に用いられているKullback-Leibler, chi-square, および全変分不確実性集合の下で, 連続状態空間を持つ分布ロバストなマルコフ決定過程について検討した。本稿では,ガウス過程と最大分散削減アルゴリズムを用いて,多出力名目遷移力学を効率的に学習するモデルベースアプローチを提案する。
論文参考訳（メタデータ） (2023-09-05T13:42:11Z)
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)
A purely data-driven framework for prediction, optimization, and control of networked processes: application to networked SIS epidemic model [0.8287206589886881]
我々は,大規模ネットワーク上での非線形力学の同定と制御を行う演算子理論に基づくデータ駆動型フレームワークを開発した。提案手法では、ネットワーク構造に関する事前の知識は必要とせず、状態の2段階のスナップショットのみを用いて基礎となるダイナミクスを識別する。
論文参考訳（メタデータ） (2021-08-01T03:57:10Z)
Recurrent Equilibrium Networks: Flexible Dynamic Models with Guaranteed Stability and Robustness [3.2872586139884623]
本稿では,機械学習,システム識別,制御における再帰平衡ネットワーク(REN)を提案する。 RENはRNの二次ベクトルによって直接パラメータ化され、安定性とロバスト性はパラメータ制約なしで確保される。また,データ駆動型非線形オブザーバの設計と安定性保証による制御への応用について述べる。
論文参考訳（メタデータ） (2021-04-13T05:09:41Z)
GELATO: Geometrically Enriched Latent Model for Offline Reinforcement Learning [54.291331971813364]
オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
論文参考訳（メタデータ） (2021-02-22T19:42:40Z)
Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
変分法による離散的グラフィカルモデルの推論は困難である。エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
論文参考訳（メタデータ） (2020-10-22T05:04:38Z)
Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
論文参考訳（メタデータ） (2020-09-29T12:50:33Z)
Monotone operator equilibrium networks [97.86610752856987]
我々はモノトン作用素の理論に基づく新しい暗黙深度モデル、モノトン演算子平衡ネットワーク(monDEQ)を開発した。暗黙的ネットワークの平衡点の発見と単調作用素分割問題の解法との密接な関係を示す。次に、ネットワークのパラメータ化を開発し、全ての作用素が単調であり続けることを保証し、ユニークな平衡点の存在を保証する。
論文参考訳（メタデータ） (2020-06-15T17:57:31Z)
A Convex Parameterization of Robust Recurrent Neural Networks [3.2872586139884623]
リカレントニューラルネットワーク(Recurrent Neural Network, RNN)は、シーケンシャル・ツー・シーケンス・マップをモデル化するのによく用いられる非線形力学系のクラスである。安定性とロバスト性を保証するRNNの凸集合を定式化する。
論文参考訳（メタデータ） (2020-04-11T03:12:42Z)

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。