論文の概要: Time Domain Sensitivity of the Tracking Error
- arxiv url: http://arxiv.org/abs/2210.15783v2
- Date: Sun, 12 Nov 2023 23:33:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 22:54:58.851505
- Title: Time Domain Sensitivity of the Tracking Error
- Title（参考訳）: 追跡誤差の時間領域感度
- Authors: S. O'Neil, S. G. Schirmer, F. C. Langbein, C. A. Weidner, and E.
Jonckheere
- Abstract要約: 構造植物不確実性のエラーの対数感度の厳密な時間領域定式化を示す。
その結果、幅広い物理システムにおいて、エラー信号の周波数でのログ感度向上のコストは、性能向上のコストであることが示された。
- 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: A strictly time-domain formulation of the log-sensitivity of the error signal
to structured plant uncertainty is presented and analyzed through simple but
representative classical and quantum systems. Results demonstrate that across a
wide range of physical systems, maximization of performance (minimization of
the error signal) asymptotically or at a specific time comes at the cost of
increased log-sensitivity, implying a time-domain constraint analogous to the
frequency-domain identity $\mathbf{S(s) + T(s) = I}$. While of limited value in
classical problems based on asymptotic stabilization or tracking, such a
time-domain formulation is valuable in assessing the reduced robustness cost
concomitant with high-fidelity quantum control schemes predicated on time-based
performance measures.
- Abstract（参考訳）: 構造的プラントの不確実性に対するエラー信号の対数感度の厳密な時間領域の定式化を、単純だが代表的な古典的および量子システムを用いて提示し、解析する。
結果として、幅広い物理システムにおいて、性能の最大化(誤り信号の最小化)が漸近的に、あるいは特定の時間において、ログ感性の増加のコストを伴い、周波数領域の同一性である$\mathbf{s(s) + t(s) = i}$ に類似した時間領域の制約が示される。
漸近的安定化や追従に基づく古典的問題において限定的な価値を持つ一方で、時間領域の定式化は、時間に基づく性能指標に基づく高忠実性量子制御スキームと一致するロバストネスコストの低減を評価する上で有用である。
関連論文リスト
- Limitations to Dynamical Error Suppression and Gate-Error Virtualization from Temporally Correlated Nonclassical Noise [0.0]
ガウス量子デファスリングノイズの下で, 最小解法可能な単一量子ビットモデルについて検討する。
ディジタル周期制御では、非古典的雑音スペクトルの低周波挙動の穏やかな条件下では、制御履歴がない場合に達成できるものよりも厳密に小さい値でゲート忠実度が飽和することが証明される。
ノイズの相関時間よりも大きな時間スケールでキュービットを高純度に保つことができれば,浴槽は元の統計値にほぼ収束し,安定時間制御性能が回復する。
論文 参考訳（メタデータ） (2024-07-05T18:00:00Z) - Stochastic Approximation with Delayed Updates: Finite-Time Rates under Markovian Sampling [73.5602474095954]
マルコフサンプリングの遅延更新による近似スキームの非漸近的性能について検討した。
我々の理論的な発見は、幅広いアルゴリズムの遅延の有限時間効果に光を当てた。
論文 参考訳（メタデータ） (2024-02-19T03:08:02Z) - Graph Spatiotemporal Process for Multivariate Time Series Anomaly
Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。
実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文 参考訳（メタデータ） (2024-01-11T10:10:16Z) - A General Framework for Uncertainty Quantification via Neural SDE-RNN [0.3314882635954751]
不確かさの定量化は、ディープラーニングにとって批判的だが未解決の課題である。
本稿では, 再帰型ニューラルネットワークとニューラルディファレンシャル方程式の原理を基礎として, 不規則なサンプル計測を再現する新しい枠組みを提案する。
IEEE 37バステストシステムを用いた実験により,我々のフレームワークは時系列データ計算における最先端の不確実性定量化手法より優れていることがわかった。
論文 参考訳（メタデータ） (2023-06-01T22:59:45Z) - 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) - Consistency of mechanistic causal discovery in continuous-time using
Neural ODEs [85.7910042199734]
ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。
本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-05-06T08:48:02Z) - The Variational Method of Moments [65.91730154730905]
条件モーメント問題は、観測可能量の観点から構造因果パラメータを記述するための強力な定式化である。
OWGMMの変動最小値再構成により、条件モーメント問題に対する非常に一般的な推定器のクラスを定義する。
同じ種類の変分変換に基づく統計的推測のためのアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-12-17T07:21:06Z) - A priori guarantees of finite-time convergence for Deep Neural Networks [0.0]
決定論的制御理論設定における有限時間収束の事前保証を提供する。
入力摂動に対する損失関数の頑健性と感度を実証する。
論文 参考訳（メタデータ） (2020-09-16T07:13:16Z) - Optimization with Momentum: Dynamical, Control-Theoretic, and Symplectic
Perspectives [97.16266088683061]
この論文は、運動量に基づく最適化アルゴリズムにおいてシンプレクティックな離散化スキームが重要であることを厳格に証明している。
これは加速収束を示すアルゴリズムの特性を提供する。
論文 参考訳（メタデータ） (2020-02-28T00:32:47Z)
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。