論文の概要: Exact Characterization of the Convex Hulls of Reachable Sets
- arxiv url: http://arxiv.org/abs/2303.17674v1
- Date: Thu, 30 Mar 2023 19:31:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-03 16:05:10.939043
- Title: Exact Characterization of the Convex Hulls of Reachable Sets
- Title(参考訳): 到達可能な集合の凸包の厳密なキャラクタリゼーション
- Authors: Thomas Lew, Riccardo Bonalli, Marco Pavone
- Abstract要約: 有界な外乱を持つ非線形系の到達可能な集合の凸殻について検討する。
到達可能な集合は制御において重要な役割を果たすが、計算が困難であることで知られる。
ニューラルフィードバックループ解析とロバストモデル予測制御への応用について述べる。
- 参考スコア(独自算出の注目度): 30.268561669195726
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the convex hulls of reachable sets of nonlinear systems with bounded
disturbances. Reachable sets play a critical role in control, but remain
notoriously challenging to compute, and existing over-approximation tools tend
to be conservative or computationally expensive. In this work, we exactly
characterize the convex hulls of reachable sets as the convex hulls of
solutions of an ordinary differential equation from all possible initial values
of the disturbances. This finite-dimensional characterization unlocks a tight
estimation algorithm to over-approximate reachable sets that is significantly
faster and more accurate than existing methods. We present applications to
neural feedback loop analysis and robust model predictive control.
- Abstract(参考訳): 境界外乱を持つ非線形システムの到達可能な集合の凸包について検討する。
到達可能な集合は制御において重要な役割を果たすが、計算が困難であることで知られており、既存の過剰近似ツールは保守的あるいは計算的に高価である傾向がある。
本研究では、到達可能な集合の凸包を、外乱のすべての可能な初期値から通常の微分方程式の解の凸包として正確に特徴づける。
この有限次元キャラクタリゼーションは、既存の手法よりもはるかに高速で精度の高い超近似リーチブル集合に対する厳密な推定アルゴリズムを解き放つ。
ニューラルフィードバックループ解析とロバストモデル予測制御への応用について述べる。
関連論文リスト
- Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳(メタデータ) (2023-11-08T00:10:21Z) - Concave Utility Reinforcement Learning with Zero-Constraint Violations [43.29210413964558]
本稿では,凸制約を伴うCURL(Concave utility reinforcement Learning)の問題点について考察する。
制約違反をゼロにするモデルベース学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-12T06:13:33Z) - Reachability Analysis of Neural Feedback Loops [34.94930611635459]
本研究は, NNコントローラ付き閉ループシステム) の前方到達可能なフィードバックループの推定に焦点をあてる。
最近の研究は、これらの到達可能な集合に境界を与えるが、計算的に抽出可能なアプローチは過度に保守的な境界をもたらす。
この研究は、NNコントローラを用いた閉ループシステムの到達可能性解析のための凸最適化問題を定式化することによってギャップを埋める。
論文 参考訳(メタデータ) (2021-08-09T16:11:57Z) - Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。
本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文 参考訳(メタデータ) (2020-12-09T20:19:32Z) - Efficient Methods for Structured Nonconvex-Nonconcave Min-Max
Optimization [98.0595480384208]
定常点に収束する一般化外空間を提案する。
このアルゴリズムは一般の$p$ノルド空間だけでなく、一般の$p$次元ベクトル空間にも適用される。
論文 参考訳(メタデータ) (2020-10-31T21:35:42Z) - A Feasible Level Proximal Point Method for Nonconvex Sparse Constrained
Optimization [25.73397307080647]
本稿では,汎用凸あるいは非汎用機械目標の新しいモデルを提案する。
本稿では,各サブプロブレムの点レベルを徐々に緩和した制約を解くアルゴリズムを提案する。
我々は,新しい数値スケール問題の有効性を実証する。
論文 参考訳(メタデータ) (2020-10-23T05:24:05Z) - Conditional gradient methods for stochastically constrained convex
minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。
私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。
提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文 参考訳(メタデータ) (2020-07-07T21:26:35Z) - Structure Adaptive Algorithms for Stochastic Bandits [22.871155520200773]
構造化多武装バンディット問題のクラスにおける報酬最大化について検討する。
平均的な武器の報酬は、与えられた構造的制約を満たす。
我々は、反復的なサドルポイントソルバを用いて、インスタンス依存の低バウンドからのアルゴリズムを開発する。
論文 参考訳(メタデータ) (2020-07-02T08:59:54Z) - High-Dimensional Robust Mean Estimation via Gradient Descent [73.61354272612752]
一定対向分数の存在下でのロバスト平均推定の問題は勾配降下によって解けることを示す。
我々の研究は、近辺の非補題推定とロバスト統計の間の興味深い関係を確立する。
論文 参考訳(メタデータ) (2020-05-04T10:48:04Z) - Convex Geometry and Duality of Over-parameterized Neural Networks [70.15611146583068]
有限幅2層ReLUネットワークの解析のための凸解析手法を開発した。
正規化学習問題に対する最適解が凸集合の極点として特徴づけられることを示す。
高次元では、トレーニング問題は無限に多くの制約を持つ有限次元凸問題としてキャストできることが示される。
論文 参考訳(メタデータ) (2020-02-25T23:05:33Z) - Variational Bayesian Methods for Stochastically Constrained System
Design Problems [7.347989843033034]
本稿では,パラメータ化プログラムとして表現されるシステム設計問題について,確率制約セットを用いて検討する。
後続予測積分を近似的に計算するための変分ベイズ法を提案する。
論文 参考訳(メタデータ) (2020-01-06T05:21:39Z)
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。