論文の概要: DiscreteCommunication and ControlUpdating in Event-Triggered Consensus
- arxiv url: http://arxiv.org/abs/2210.17313v1
- Date: Wed, 26 Oct 2022 13:11:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 14:57:17.862681
- Title: DiscreteCommunication and ControlUpdating in Event-Triggered Consensus
- Title(参考訳): イベントトリガードコンセンサスにおける離散コミュニケーションと制御アップ
- Authors: Bin Cheng and Yuezu Lv and Zhongkui Li and Zhisheng Duan
- Abstract要約: 我々は,個別のコミュニケーションと制御で完全に分散したコンセンサスを解消するための新しい枠組みを構築した。
このフレームワークの最初のキーポイントは、個別のイベント瞬間にのみ更新されるコントローラの設計である。
もう一つの重要な点は、隣接するエージェント間の相対情報に依存しない新しい動的トリガー関数の発明である。
- 参考スコア(独自算出の注目度): 3.0349807674392597
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies the consensus control problem faced with three essential
demands, namely, discrete control updating for each agent, discrete-time
communications among neighboring agents, and the fully distributed fashion of
the controller implementation without requiring any global information of the
whole network topology. Noting that the existing related results only meeting
one or two demands at most are essentially not applicable, in this paper we
establish a novel framework to solve the problem of fully distributed consensus
with discrete communication and control. The first key point in this framework
is the design of controllers that are only updated at discrete event instants
and do not depend on global information by introducing time-varying gains
inspired by the adaptive control technique. Another key point is the invention
of novel dynamic triggering functions that are independent of relative
information among neighboring agents. Under the established framework, we
propose fully distributed state-feedback event-triggered protocols for
undirected graphs and also further study the more complexed cases of
output-feedback control and directed graphs. Finally, numerical examples are
provided to verify the effectiveness of the proposed event-triggered protocols.
- Abstract(参考訳): 本稿では,各エージェントに対する個別制御更新,近隣エージェント間の離散時間通信,ネットワークトポロジ全体のグローバル情報を必要としない完全に分散されたコントローラ実装という,3つの重要な要求に直面するコンセンサス制御問題を考察する。
本論文では,既存の要求を少なくとも1~2つ満たすだけでは適用できないことを指摘し,個別のコミュニケーションと制御による完全分散コンセンサスの問題を解決するための新しい枠組みを確立する。
このフレームワークの最初のキーポイントは、個別のイベント瞬間にのみ更新され、適応制御技術にインスパイアされた時間変化ゲインを導入することで、グローバル情報に依存しないコントローラの設計である。
もう一つの重要な点は、隣接するエージェント間の相対情報に依存しない新しい動的トリガー関数の発明である。
確立されたフレームワークの下では、非指向グラフのための完全分散状態フィードバックイベントトリガープロトコルを提案し、さらに出力フィードバック制御と有向グラフのより複雑なケースについても検討する。
最後に,提案するイベントトリガプロトコルの有効性を検証するための数値例を提案する。
関連論文リスト
- PriRoAgg: Achieving Robust Model Aggregation with Minimum Privacy Leakage for Federated Learning [49.916365792036636]
フェデレートラーニング(FL)は、大規模分散ユーザデータを活用する可能性から、最近大きな勢いを増している。
送信されたモデル更新は、センシティブなユーザ情報をリークする可能性があり、ローカルなトレーニングプロセスの集中的な制御の欠如は、モデル更新に対する悪意のある操作の影響を受けやすいグローバルモデルを残します。
我々は、Lagrange符号化計算と分散ゼロ知識証明を利用した汎用フレームワークPriRoAggを開発し、集約されたプライバシを満たすとともに、幅広いロバストな集約アルゴリズムを実行する。
論文 参考訳(メタデータ) (2024-07-12T03:18:08Z) - Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [94.2860766709971]
統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。
我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
論文 参考訳(メタデータ) (2024-04-04T06:24:11Z) - Communication-Efficient Zeroth-Order Distributed Online Optimization:
Algorithm, Theory, and Applications [9.045332526072828]
本稿では,目標追跡のためのフェデレーション学習環境におけるマルチエージェントゼロ階オンライン最適化問題に焦点を当てる。
提案手法は、2つの関連するアプリケーションにおけるエラーとエラーの観点からさらに解析される。
論文 参考訳(メタデータ) (2023-06-09T03:51:45Z) - Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。
我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
論文 参考訳(メタデータ) (2021-12-03T19:23:48Z) - Deep Reinforcement Learning for Wireless Scheduling in Distributed
Networked Control [56.77877237894372]
この研究は、分散植物、センサー、アクチュエータ、コントローラを備えた完全な分散WNCSを考慮し、限られた数の周波数チャネルを共有する。
最適な送信スケジューリング問題を決定プロセス問題に定式化し、それを解くための深層強化学習アルゴリズムを開発する。
論文 参考訳(メタデータ) (2021-09-26T11:27:12Z) - Communication Topology Co-Design in Graph Recurrent Neural Network Based
Distributed Control [4.492630871726495]
分散コントローラのコンパクトかつ表現力のあるグラフ繰り返しニューラルネットワーク(GRNN)パラメータ化について紹介する。
提案されたパラメータ化は,従来のGNN(Graph Neural Network)ベースのパラメータ化に類似した,ローカルおよび分散アーキテクチャである。
本研究では,性能/通信密度のトレードオフ曲線を効率よく近似できることを示す。
論文 参考訳(メタデータ) (2021-04-28T16:30:02Z) - Deep reinforcement learning of event-triggered communication and control
for multi-agent cooperative transport [9.891241465396098]
協調輸送のためのコミュニケーション・制御戦略の設計問題に対処する多エージェント強化学習手法を検討する。
我々のフレームワークはイベントトリガーアーキテクチャ、すなわち通信入力を演算するフィードバックコントローラと、入力を再更新する必要があるタイミングを決定するトリガー機構を利用する。
論文 参考訳(メタデータ) (2021-03-29T01:16:12Z) - Decentralized Control with Graph Neural Networks [147.84766857793247]
分散コントローラを学習するグラフニューラルネットワーク(GNN)を用いた新しいフレームワークを提案する。
GNNは、自然分散アーキテクチャであり、優れたスケーラビリティと転送性を示すため、タスクに適している。
分散コントローラの学習におけるGNNの可能性を説明するために、群れとマルチエージェントパス計画の問題を検討する。
論文 参考訳(メタデータ) (2020-12-29T18:59:14Z) - CTRLsum: Towards Generic Controllable Text Summarization [54.69190421411766]
現在、制御可能な要約のための新しいフレームワークである。
本手法により,ユーザは要約システムと対話することで,生成された要約の複数の側面を制御できる。
単一の統一モデルを使用することで、sumは推論時に要約操作の幅広い範囲を達成できる。
論文 参考訳(メタデータ) (2020-12-08T08:54:36Z) - Learning Event-triggered Control from Data through Joint Optimization [7.391641422048646]
イベントトリガー制御戦略のモデルフリー学習のためのフレームワークを提案する。
階層的強化学習に基づく新しいアルゴリズムを提案する。
得られたアルゴリズムは, 資源の節約や非線形・高次元システムへのシームレスなスケールで, 高性能な制御を実現する。
論文 参考訳(メタデータ) (2020-08-11T14:15:38Z) - Self-Supervised and Controlled Multi-Document Opinion Summarization [16.674646504295687]
そこで本稿では,個々の文書を類似文書の集合のターゲット要約とする自己教師型セットアップを提案する。
制御符号を用いて幻覚の問題に対処する。
グラフベースと最近のニューラル抽象的教師なしモデルに対する2つのデータセットのベンチマークでは,提案手法が優れた品質と妥当性を持つ要約を生成することが示された。
論文 参考訳(メタデータ) (2020-04-30T13:20:18Z)
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。