論文の概要: Adaptive Meta-Learning-Based KKL Observer Design for Nonlinear Dynamical
Systems
- arxiv url: http://arxiv.org/abs/2310.19489v1
- Date: Mon, 30 Oct 2023 12:25:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 20:19:17.907495
- Title: Adaptive Meta-Learning-Based KKL Observer Design for Nonlinear Dynamical
Systems
- Title(参考訳): 非線形力学系のための適応メタラーニングに基づくkklオブザーバ設計
- Authors: Lukas Trommer, Halil Yigit Oksuz
- Abstract要約: 本稿では,メタラーニングによる非線形力学系のオブザーバ設計に対する新しいアプローチを提案する。
システム出力の測定から情報を活用するフレームワークを導入し、さまざまなシステム条件や属性にオンライン適応可能な学習ベースのKKLオブザーバを設計する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The theory of Kazantzis-Kravaris/Luenberger (KKL) observer design introduces
a methodology that uses a nonlinear transformation map and its left inverse to
estimate the state of a nonlinear system through the introduction of a linear
observer state space. Data-driven approaches using artificial neural networks
have demonstrated the ability to accurately approximate these transformation
maps. This paper presents a novel approach to observer design for nonlinear
dynamical systems through meta-learning, a concept in machine learning that
aims to optimize learning models for fast adaptation to a distribution of tasks
through an improved focus on the intrinsic properties of the underlying
learning problem. We introduce a framework that leverages information from
measurements of the system output to design a learning-based KKL observer
capable of online adaptation to a variety of system conditions and attributes.
To validate the effectiveness of our approach, we present comprehensive
experimental results for the estimation of nonlinear system states with varying
initial conditions and internal parameters, demonstrating high accuracy,
generalization capability, and robustness against noise.
- Abstract(参考訳): Kazantzis-Kravaris/Luenberger (KKL) オブザーバの設計の理論は、非線形変換写像とその左逆を使って線形オブザーバ状態空間を導入することで非線形システムの状態を推定する方法論を導入する。
ニューラルネットワークを用いたデータ駆動アプローチは、これらの変換マップを正確に近似する能力を示している。
本稿では,非線形力学系のオブザーバ設計をメタラーニングを通じて行う新しいアプローチを提案する。メタラーニングとは,基礎となる学習問題の本質的性質に着目し,タスクの分布に適応するための学習モデルを最適化することを目的とした機械学習の概念である。
システム出力の測定から情報を活用するフレームワークを導入し、さまざまなシステム条件や属性にオンライン適応可能な学習ベースのKKLオブザーバを設計する。
提案手法の有効性を検証するために,初期条件と内部パラメータの異なる非線形システムの状態推定を包括的に実験し,高い精度,一般化能力,雑音に対するロバスト性を示す。
関連論文リスト
- 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) - ConCerNet: A Contrastive Learning Based Framework for Automated
Conservation Law Discovery and Trustworthy Dynamical System Prediction [82.81767856234956]
本稿では,DNNに基づく動的モデリングの信頼性を向上させるために,ConCerNetという新しい学習フレームワークを提案する。
本手法は, 座標誤差と保存量の両方において, ベースラインニューラルネットワークよりも一貫して優れていることを示す。
論文 参考訳(メタデータ) (2023-02-11T21:07:30Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳(メタデータ) (2022-06-07T13:51:35Z) - Using scientific machine learning for experimental bifurcation analysis
of dynamic systems [2.204918347869259]
本研究は、極限サイクルを持つ物理非線形力学系に対する普遍微分方程式(UDE)モデルの訓練に焦点をあてる。
数値シミュレーションによりトレーニングデータを生成する例を考察するとともに,提案するモデリング概念を物理実験に適用する。
ニューラルネットワークとガウス過程の両方を、力学モデルと共に普遍近似器として使用し、UDEモデリングアプローチの正確性と堅牢性を批判的に評価する。
論文 参考訳(メタデータ) (2021-10-22T15:43:03Z) - Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。
予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。
本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文 参考訳(メタデータ) (2021-09-06T04:39:06Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳(メタデータ) (2021-02-15T19:56:48Z) - Knowledge-Based Learning of Nonlinear Dynamics and Chaos [3.673994921516517]
本稿では,非線形システムから観測結果に基づいて予測モデルを抽出するための普遍的な学習フレームワークを提案する。
我々のフレームワークは、非線形システムを連続時間系として自然にモデル化するため、第一原理知識を容易に組み込むことができる。
論文 参考訳(メタデータ) (2020-10-07T13:50:13Z) - Bridging the Gap: Machine Learning to Resolve Improperly Modeled
Dynamics [4.940323406667406]
本稿では,複雑な時間的挙動を示すシステムに対して,不適切にモデル化された力学を克服するためのデータ駆動型モデリング戦略を提案する。
本稿では,システムの真の力学と,不正確あるいは不適切に記述されたシステムのモデルによって与えられる力学の相違を解決するためのディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2020-08-23T04:57:02Z) - Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。
そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。
本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文 参考訳(メタデータ) (2020-06-18T04:54:11Z) - Safe Learning-based Observers for Unknown Nonlinear Systems using
Bayesian Optimization [4.184419714263417]
本稿では,3つの設計フェーズからなるモジュール設計手法を定式化する。
提案する学習ベースオブザーバの可能性を,ベンチマーク非線形システムで実証した。
論文 参考訳(メタデータ) (2020-05-12T16:04:51Z)
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。