論文の概要: Statistical Learning Theory for Control: A Finite Sample Perspective

• arxiv url: http://arxiv.org/abs/2209.05423v2
• Date: Thu, 27 Apr 2023 14:44:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-28 17:13:22.526077
• Title: Statistical Learning Theory for Control: A Finite Sample Perspective
• Title（参考訳）: 制御のための統計的学習理論:有限サンプル視点
• Authors: Anastasios Tsiamis, Ingvar Ziemann, Nikolai Matni, George J. Pappas
• Abstract要約: 本チュートリアルでは,制御とシステム同定に関する統計学習理論の最近の進歩について概説する。 これらの進歩の根底にある多くの労力は、現代の高次元統計学と学習理論からツールを適応させることであった。 関連資料を自己完結型で提示し、最近の成果を支える重要なアイデアと技術機械の概要を概説する。
• 参考スコア（独自算出の注目度）: 19.18847282260744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This tutorial survey provides an overview of recent non-asymptotic advances in statistical learning theory as relevant to control and system identification. While there has been substantial progress across all areas of control, the theory is most well-developed when it comes to linear system identification and learning for the linear quadratic regulator, which are the focus of this manuscript. From a theoretical perspective, much of the labor underlying these advances has been in adapting tools from modern high-dimensional statistics and learning theory. While highly relevant to control theorists interested in integrating tools from machine learning, the foundational material has not always been easily accessible. To remedy this, we provide a self-contained presentation of the relevant material, outlining all the key ideas and the technical machinery that underpin recent results. We also present a number of open problems and future directions.
• Abstract（参考訳）: このチュートリアル調査は、制御とシステム同定に関連する統計学習理論における最近の非漸近的進歩の概要を提供する。 制御のあらゆる領域でかなりの進歩があったが、この理論は線形系同定と線形二次制御器の学習において最もよく発達しており、これはこの写本の焦点である。 理論的な見地からすると、これらの進歩の根底にある多くの労力は、現代の高次元統計学と学習理論からのツールの適応であった。 機械学習からツールを統合することに関心のある制御理論家には非常に関係があるが、基礎となる材料は必ずしも容易にアクセスできない。 これに対処するため、我々は、最近の結果を支えるすべての重要なアイデアと技術機械を概説し、関連する資料の自己完結したプレゼンテーションを提供する。 オープンな問題や今後の方向性もいくつか紹介します。

関連論文リスト

• Information-Theoretic Foundations for Machine Learning [20.617552198581024]
  本稿では,洞窟外に存在する問題に答えようとする理論的枠組みを提案する。 我々はベイズ統計とシャノンの情報理論に根ざしたフレームワークを提供し、機械学習における多くの現象の分析を統一するのに十分一般的なものである。 我々は、不特定アルゴリズムの性能を特徴付けるセクションを締めくくる。
  論文  参考訳（メタデータ） (2024-07-17T03:18:40Z)
• Tool Learning with Large Language Models: A Survey [60.733557487886635]
  大規模言語モデル(LLM)を用いたツール学習は,高度に複雑な問題に対処するLLMの能力を強化するための,有望なパラダイムとして登場した。 この分野での注目と急速な進歩にもかかわらず、現存する文献は断片化され、体系的な組織が欠如している。
  論文  参考訳（メタデータ） (2024-05-28T08:01:26Z)
• Few-Shot Learning on Graphs: from Meta-learning to Pre-training and Prompting [56.25730255038747]
  この調査は、最近の展開を合成し、比較洞察を提供し、将来の方向性を特定するための取り組みである。 我々は,既存の研究をメタラーニングアプローチ,事前学習アプローチ,ハイブリッドアプローチの3つの主要なファミリーに体系的に分類した。 これらの手法間の関係を解析し,その強みと限界を比較する。
  論文  参考訳（メタデータ） (2024-02-02T14:32:42Z)
• End-to-end Autonomous Driving using Deep Learning: A Systematic Review [0.0]
  エンドツーエンドの自律運転(End-to-end autonomous driving)は、センサーの入力データやその他のメタデータを事前情報として取り込み、エゴ車の制御信号や計画された軌跡を直接出力する、完全に微分可能な機械学習システムである。 本稿では, 物体検出, セマンティックシーン理解, 物体追跡, 軌道予測, 軌道計画, 車両制御, 社会行動, コミュニケーションなど, 最新の機械学習技術をすべて体系的に検証し, このエンドツーエンドのタスクを実行する。
  論文  参考訳（メタデータ） (2023-08-27T17:43:58Z)
• Interpretable Machine Learning for Discovery: Statistical Challenges \& Opportunities [1.2891210250935146]
  我々は、解釈可能な機械学習の分野について議論し、レビューする。 解釈可能な機械学習を用いて行うことができる発見の種類について概説する。 我々は、これらの発見をデータ駆動方式でどのように検証するかという大きな課題に焦点をあてる。
  論文  参考訳（メタデータ） (2023-08-02T23:57:31Z)
• A Comprehensive Survey of Continual Learning: Theory, Method and Application [64.23253420555989]
  本稿では,基礎的設定,理論的基礎,代表的方法,実践的応用を橋渡しする継続的学習に関する包括的調査を行う。 連続学習の一般的な目的は、資源効率の文脈において、適切な安定性と塑性のトレードオフと適切なタスク内/タスク内一般化性を保証することであると要約する。
  論文  参考訳（メタデータ） (2023-01-31T11:34:56Z)
• Statistical Foundation Behind Machine Learning and Its Impact on Computer Vision [8.974457198386414]
  本稿では、統計的学習における一様収束の原理を再考し、機械学習の基礎としてどのように機能するかを論じ、現在のディープラーニングアルゴリズムが解決している本質的な問題をよりよく理解しようと試みる。 コンピュータビジョンを機械学習の例として用いた議論は、近年の大規模データを活用して、表現学習に事前学習を行うことによる研究の傾向が、現実的に抽出可能な経験的損失と最終的に望まれるが、予測される損失との差を減らしていることを示している。
  論文  参考訳（メタデータ） (2022-09-06T17:59:04Z)
• Deep Learning to See: Towards New Foundations of Computer Vision [88.69805848302266]
  この本はコンピュータビジョンの分野における科学的進歩を批判している。 情報に基づく自然法則の枠組みにおける視覚の研究を提案する。
  論文  参考訳（メタデータ） (2022-06-30T15:20:36Z)
• Causal Reasoning Meets Visual Representation Learning: A Prospective Study [117.08431221482638]
  解釈可能性の欠如、堅牢性、分布外一般化が、既存の視覚モデルの課題となっている。 人間レベルのエージェントの強い推論能力にインスパイアされた近年では、因果推論パラダイムの開発に多大な努力が注がれている。 本稿では,この新興分野を包括的に概観し,注目し,議論を奨励し,新たな因果推論手法の開発の急激さを先導することを目的とする。
  論文  参考訳（メタデータ） (2022-04-26T02:22:28Z)
• Self-supervised on Graphs: Contrastive, Generative,or Predictive [25.679620842010422]
  SSL(Self-supervised Learning)は、よく設計されたプリテキストタスクを通じて有益な知識を抽出するための新しいパラダイムとして登場しています。 既存のグラフSSLメソッドは、コントラスト、生成、予測の3つのカテゴリに分けられる。 また、一般的なデータセット、評価メトリクス、下流タスク、さまざまなアルゴリズムのオープンソース実装をまとめています。
  論文  参考訳（メタデータ） (2021-05-16T03:30:03Z)
• Bayesian active learning for production, a systematic study and a reusable library [85.32971950095742]
  本稿では,現在のアクティブラーニング技術の主な欠点について分析する。 実世界のデータセットの最も一般的な課題が深層能動学習プロセスに与える影響について,系統的研究を行った。 部分的不確実性サンプリングやより大きいクエリサイズといった,アクティブな学習ループを高速化する2つの手法を導出する。
  論文  参考訳（メタデータ） (2020-06-17T14:51:11Z)

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。