論文の概要: Basis functions nonlinear data-enabled predictive control: Consistent and computationally efficient formulations

• arxiv url: http://arxiv.org/abs/2311.05360v1
• Date: Thu, 9 Nov 2023 13:39:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-10 15:17:34.199844
• Title: Basis functions nonlinear data-enabled predictive control: Consistent and computationally efficient formulations
• Title（参考訳）: 基底関数の非線形データ対応予測制御:一貫性と計算効率のよい定式化
• Authors: Mircea Lazar
• Abstract要約: 本稿では,データ対応予測制御(DeePC)の一般機能による非線形システムへの拡張について考察する。 基本関数 DeePC の挙動予測器を定式化し、対応する基底関数と等価となる必要十分条件を多段階同定した予測器と同定する。 導出条件は動的正則化コスト関数となり、非線形DeePCの整合性(英語版)( well-posed)基底関数の定式化を可能にする。
• 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: This paper considers the extension of data-enabled predictive control (DeePC) to nonlinear systems via general basis functions. Firstly, we formulate a basis functions DeePC behavioral predictor and we identify necessary and sufficient conditions for equivalence with a corresponding basis functions multi-step identified predictor. The derived conditions yield a dynamic regularization cost function that enables a well-posed (i.e., consistent) basis functions formulation of nonlinear DeePC. To optimize computational efficiency of basis functions DeePC we further develop two alternative formulations that use a simpler, sparse regularization cost function and ridge regression, respectively. Consistency implications for Koopman DeePC as well as several methods for constructing the basis functions representation are also indicated. The effectiveness of the developed consistent basis functions DeePC formulations is illustrated on a benchmark nonlinear pendulum state-space model, for both noise free and noisy data.
• Abstract（参考訳）: 本稿では,データ対応予測制御(DeePC)の一般機能による非線形システムへの拡張について考察する。 まず, 基本関数 DeePC の挙動予測を定式化し, 対応する基底関数と等価性を示す必要十分条件を特定する。 導出条件は動的正則化コスト関数となり、非線形DeePCの基底関数を適切に定式化することができる。 基底関数の計算効率を最適化するために、より単純でスパースな正規化コスト関数とリッジ回帰を用いた2つの別の定式化を開発する。 Koopman DeePCの一貫性と基底関数表現を構成するいくつかの方法も示す。 本研究では, 非線形振り子状態空間モデルを用いて, 雑音のないデータと雑音データの両方に対して, 提案手法の有効性を示す。

関連論文リスト

• Random Features Approximation for Control-Affine Systems [6.067043299145924]
  制御アフィン構造をキャプチャする非線形特徴表現の2つの新しいクラスを提案する。 提案手法はランダムな特徴(RF)近似を用いて,より少ない計算コストでカーネル手法の表現性を継承する。
  論文  参考訳（メタデータ） (2024-06-10T17:54:57Z)
• Functional Autoencoder for Smoothing and Representation Learning [0.0]
  ニューラルネットワークオートエンコーダを用いて関数データの非線形表現を学習し、前処理を必要とせず、通常収集される形式でデータを処理する。 我々は,関数データの重み付け内積と観測タイムスタンプ上の関数重み付けを演算するプロジェクション層と,関数データから抽出した有限次元ベクトルを関数空間にマッピングする回復層をデコーダを用いて設計する。
  論文  参考訳（メタデータ） (2024-01-17T08:33:25Z)
• Efficient Model-Free Exploration in Low-Rank MDPs [76.87340323826945]
  低ランクマルコフ決定プロセスは、関数近似を持つRLに対して単純だが表現力のあるフレームワークを提供する。 既存のアルゴリズムは、(1)計算的に抽出可能であるか、または(2)制限的な統計的仮定に依存している。 提案手法は,低ランクMPPの探索のための最初の実証可能なサンプル効率アルゴリズムである。
  論文  参考訳（メタデータ） (2023-07-08T15:41:48Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Stabilizing Q-learning with Linear Architectures for Provably Efficient Learning [53.17258888552998]
  本研究では,線形関数近似を用いた基本的な$Q$-learningプロトコルの探索変種を提案する。 このアルゴリズムの性能は,新しい近似誤差というより寛容な概念の下で,非常に優雅に低下することを示す。
  論文  参考訳（メタデータ） (2022-06-01T23:26:51Z)
• High-dimensional Functional Graphical Model Structure Learning via Neighborhood Selection Approach [15.334392442475115]
  機能的グラフィカルモデルの構造を推定するための近傍選択手法を提案する。 したがって、関数が無限次元であるときに存在しないような、明確に定義された精度作用素の必要性を回避することができる。
  論文  参考訳（メタデータ） (2021-05-06T07:38:50Z)
• Machine Learning Assisted Orthonormal Basis Selection for Functional Data Analysis [0.0]
  厳密なデータ駆動による直交基底選択法を提案する。 このアルゴリズムは機械学習スタイルのデータから学習し、効率的に結び目を配置する。 最適性基準は平均(機能的データ点あたり)二乗誤差に基づいており、学習アルゴリズムと比較研究の両方で利用されている。
  論文  参考訳（メタデータ） (2021-03-12T18:27:29Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Logistic Q-Learning [87.00813469969167]
  MDPにおける最適制御の正規化線形プログラミング定式化から導いた新しい強化学習アルゴリズムを提案する。 提案アルゴリズムの主な特徴は,広範に使用されているベルマン誤差の代わりとして理論的に音声として機能する,政策評価のための凸損失関数である。
  論文  参考訳（メタデータ） (2020-10-21T17:14:31Z)
• Exponentially Weighted l_2 Regularization Strategy in Constructing Reinforced Second-order Fuzzy Rule-based Model [72.57056258027336]
  従来の高木スゲノカン(TSK)型ファジィモデルでは、定数あるいは線形関数がファジィ規則の連続部分として使用されるのが普通である。 調和解析で遭遇する重み関数理論にインスパイアされた指数重みアプローチを導入する。
  論文  参考訳（メタデータ） (2020-07-02T15:42:15Z)

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。