Fugu-MT 論文翻訳(概要): Recurrent Neural Network Training with Convex Loss and Regularization Functions by Extended Kalman Filtering

論文の概要: Recurrent Neural Network Training with Convex Loss and Regularization Functions by Extended Kalman Filtering

arxiv url: http://arxiv.org/abs/2111.02673v1
Date: Thu, 4 Nov 2021 07:49:15 GMT
ステータス: 処理完了
システム内更新日: 2021-11-05 22:25:02.617914
Title: Recurrent Neural Network Training with Convex Loss and Regularization Functions by Extended Kalman Filtering
Title（参考訳）: 拡張カルマンフィルタによる凸損失と正規化関数を用いたニューラルネットワークのリカレントトレーニング
Authors: Alberto Bemporad
Abstract要約: 本研究では,非線形システム同定ベンチマークにおいて,学習手法が勾配勾配よりも優れていることを示す。また、データ駆動非線形モデル予測制御におけるアルゴリズムの利用と、オフセットフリートラッキングにおける外乱モデルとの関係についても検討する。
参考スコア（独自算出の注目度）: 0.20305676256390928
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We investigate the use of extended Kalman filtering to train recurrent neural networks for data-driven nonlinear, possibly adaptive, model-based control design. We show that the approach can be applied to rather arbitrary convex loss functions and regularization terms on the network parameters. We show that the learning method outperforms stochastic gradient descent in a nonlinear system identification benchmark and in training a linear system with binary outputs. We also explore the use of the algorithm in data-driven nonlinear model predictive control and its relation with disturbance models for offset-free tracking.
Abstract（参考訳）: データ駆動型非線形、おそらく適応型、モデルベース制御設計のためのリカレントニューラルネットワークのトレーニングに拡張カルマンフィルタを用いることを検討する。本手法は,ネットワークパラメータ上の任意の凸損失関数や正規化項に適用可能であることを示す。本研究では,非線形システム同定ベンチマークや線形システムの2値出力のトレーニングにおいて,確率勾配勾配よりも優れた学習方法を示す。また,データ駆動非線形モデル予測制御におけるアルゴリズムの利用と,オフセットフリートラッキングのための外乱モデルとの関係についても検討した。

関連論文リスト

Identification For Control Based on Neural Networks: Approximately Linearizable Models [42.15267357325546]
本研究では,非線形システムの効率的な制御設計と安定性解析のための制御指向同定手法を提案する。ニューラルネットワークは離散時間非線形状態空間モデルを特定し、時間領域の入力出力挙動を近似する。ネットワークは、同定されたモデルがフィードバックによってほぼ線形化可能であるように構成され、制御則が学習段階から自明に従うことを保証する。
論文参考訳（メタデータ） (2024-09-24T08:31:22Z)
Koopman-based Deep Learning for Nonlinear System Estimation [1.3791394805787949]
複素非線形系の有意な有限次元表現を抽出するために、クープマン作用素理論に基づく新しいデータ駆動線形推定器を提案する。我々の推定器は推定された非線形系の微分同相変換にも適応しており、再学習せずに最適な状態推定を計算できる。
論文参考訳（メタデータ） (2024-05-01T16:49:54Z)
Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
論文参考訳（メタデータ） (2024-01-09T11:54:54Z)
Kalman Filter for Online Classification of Non-Stationary Data [101.26838049872651]
オンライン連続学習(OCL)では、学習システムはデータのストリームを受け取り、予測とトレーニングの手順を順次実行する。本稿では,線形予測量に対するニューラル表現と状態空間モデルを用いた確率ベイズオンライン学習モデルを提案する。多クラス分類の実験では、モデルの予測能力と非定常性を捉える柔軟性を示す。
論文参考訳（メタデータ） (2023-06-14T11:41:42Z)
Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文参考訳（メタデータ） (2023-05-31T03:48:49Z)
Non-linear manifold ROM with Convolutional Autoencoders and Reduced Over-Collocation method [0.0]
非アフィンパラメトリックな依存、非線形性、興味のモデルにおける対流支配的な規則は、ゆっくりとしたコルモゴロフ n-幅の崩壊をもたらす。我々は,Carlbergらによって導入された非線形多様体法を,オーバーコロケーションの削減とデコーダの教師/学生による学習により実現した。本研究では,2次元非線形保存法と2次元浅水モデルを用いて方法論を検証し,時間とともに動的に進化する純粋データ駆動型手法と長期記憶ネットワークとの比較を行った。
論文参考訳（メタデータ） (2022-03-01T11:16:50Z)
KalmanNet: Neural Network Aided Kalman Filtering for Partially Known Dynamics [84.18625250574853]
KalmanNetは、データから学習し、非線形力学の下でKalmanフィルタを実行するリアルタイム状態推定器である。我々は、KalmanNetが非線形性とモデルミスマッチを克服し、古典的なフィルタリング手法より優れていることを数値的に示す。
論文参考訳（メタデータ） (2021-07-21T12:26:46Z)
Neural Dynamic Mode Decomposition for End-to-End Modeling of Nonlinear Dynamics [49.41640137945938]
ニューラルネットワークに基づくリフト関数を推定するためのニューラルダイナミックモード分解法を提案する。提案手法により,予測誤差はニューラルネットワークとスペクトル分解によって逆伝搬される。提案手法の有効性を,固有値推定と予測性能の観点から実証した。
論文参考訳（メタデータ） (2020-12-11T08:34:26Z)
Derivative-Based Koopman Operators for Real-Time Control of Robotic Systems [14.211417879279075]
本稿では, モデル誤差を拘束する非線形力学をデータ駆動で同定するための一般化可能な手法を提案する。クープマン演算子に基づく線形表現を構築し,テイラー級数精度解析を用いて誤差境界を導出する。制御と組み合わせると、非線形系のクープマン表現は競合する非線形モデリング法よりも極端に優れた性能を持つ。
論文参考訳（メタデータ） (2020-10-12T15:15:13Z)
Logarithmic Regret Bound in Partially Observable Linear Dynamical Systems [91.43582419264763]
部分的に観測可能な線形力学系におけるシステム同定と適応制御の問題について検討する。開ループ系と閉ループ系の両方において有限時間保証付きの最初のモデル推定法を提案する。 AdaptOnは、未知の部分観測可能な線形力学系の適応制御において、$textpolylogleft(Tright)$ regretを達成する最初のアルゴリズムであることを示す。
論文参考訳（メタデータ） (2020-03-25T06:00:33Z)

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。