Fugu-MT 論文翻訳(概要): Controller Synthesis from Noisy-Input Noisy-Output Data

論文の概要: Controller Synthesis from Noisy-Input Noisy-Output Data

arxiv url: http://arxiv.org/abs/2402.02588v1
Date: Sun, 4 Feb 2024 19:22:26 GMT
ステータス: 処理完了
システム内更新日: 2024-02-06 18:50:19.033591
Title: Controller Synthesis from Noisy-Input Noisy-Output Data
Title（参考訳）: 雑音入出力データからの制御器合成
Authors: Lidong Li, Andrea Bisoffi, Claudio De Persis, Nima Monshizadeh
Abstract要約: 線形システムのための動的出力フィードバックコントローラを合成する問題を考える。入力出力データを処理するために、元のシステムの補助的な表現を導入する。
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: We consider the problem of synthesizing a dynamic output-feedback controller for a linear system, using solely input-output data corrupted by measurement noise. To handle input-output data, an auxiliary representation of the original system is introduced. By exploiting the structure of the auxiliary system, we design a controller that robustly stabilizes all possible systems consistent with data. Notably, we also provide a novel solution to extend the results to generic multi-input multi-output systems. The findings are illustrated by numerical examples.
Abstract（参考訳）: 測定ノイズによる入力出力データのみを用いて,線形システムの動的出力フィードバック制御を合成する問題を考える。入出力データを扱うために、元のシステムの補助表現を導入する。補助システムの構造を利用して、データに整合した全ての可能なシステムを堅牢に安定化するコントローラを設計する。特に,汎用的なマルチインプットマルチアウトプットシステムに結果を拡張するための新しいソリューションを提供する。結果は数値的な例で示される。

関連論文リスト

End-to-end guarantees for indirect data-driven control of bilinear systems with finite stochastic data [0.0468732641979009]
本稿では,安定性が保証された双線形システムの間接的データ駆動制御のためのエンドツーエンドアルゴリズムを提案する。広範にわたる数値的な研究により、制御器設計と導出された識別誤差境界との相互作用を示す。
論文参考訳（メタデータ） (2024-09-26T16:19:49Z)
Feedforward Controllers from Learned Dynamic Local Model Networks with Application to Excavator Assistance Functions [4.664767161598515]
我々は、ゼロダイナミクスによるLMNのフィードバック線形化が有効なコントローラを生成するときの基準を提供する。実験では、外乱信号と複数の入力と出力を組み込むことで、学習した制御器の追跡性能が向上する。
論文参考訳（メタデータ） (2024-09-25T12:40:07Z)
Machine learning at the mesoscale: a computation-dissipation bottleneck [77.34726150561087]
入力出力デバイスとして使用されるメソスコピックシステムにおける計算散逸ボトルネックについて検討する。我々のフレームワークは、情報圧縮、入出力計算、非相互相互作用によって引き起こされる動的不可逆性の間の決定的な妥協に光を当てている。
論文参考訳（メタデータ） (2023-07-05T15:46:07Z)
Improving the Robustness of Summarization Systems with Dual Augmentation [68.53139002203118]
頑健な要約システムは、入力中の特定の単語の選択やノイズに関わらず、文書のギストをキャプチャできるべきである。まず,単語レベルの同義語置換や雑音を含む摂動に対する要約モデルの頑健性について検討する。 SummAttackerを提案する。これは言語モデルに基づく対数サンプルを生成するための効率的な手法である。
論文参考訳（メタデータ） (2023-06-01T19:04:17Z)
Learning Dynamical Systems by Leveraging Data from Similar Systems [1.3053088049015455]
本稿では,補助システムによって生成されたデータにアクセスできる場合の線形システムの力学を学習する問題について考察する。本研究は,ノイズによる本質的なシステム識別誤差の低減に有効であることを示す。
論文参考訳（メタデータ） (2023-02-08T21:27:16Z)
On the Forward Invariance of Neural ODEs [92.07281135902922]
本稿では,ニューラル常微分方程式(ODE)が出力仕様を満たすことを保証するための新しい手法を提案する。提案手法では,出力仕様を学習システムのパラメータや入力の制約に変換するために,制御障壁関数のクラスを用いる。
論文参考訳（メタデータ） (2022-10-10T15:18:28Z)
Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文参考訳（メタデータ） (2022-02-25T20:00:56Z)
Robust Data-Driven Predictive Control using Reachability Analysis [6.686241050151697]
境界プロセスおよび測定ノイズを有する未知の線形システムの堅牢なデータ駆動制御方式を提案する。データ駆動到達可能領域は、システムの軌道のノイズの多い入出力データのみに基づいて算出される。ノイズフリーの場合、提示された純粋にデータ駆動制御スキームが、名目モデル予測制御スキームに等価な閉ループ挙動をもたらすことを示す。
論文参考訳（メタデータ） (2021-03-25T19:55:15Z)
Data-Driven System Level Synthesis [2.335152769484957]
本稿では,過去のシステムトラジェクトリのライブラリのみを用いて,システム応答に対する最適化問題を提示できることを示す。まず、ノイズフリー軌道の理想的な設定を検討し、従来のSLSとデータ駆動SLSの正確な等価性を示す。次に,プロセスノイズによって駆動されるシステムの場合,頑健なSLSツールを用いて,閉ループ性能に対するノイズの影響を評価できることを示す。
論文参考訳（メタデータ） (2020-11-20T22:52:29Z)
Learning Stabilizing Controllers for Unstable Linear Quadratic Regulators from a Single Trajectory [85.29718245299341]
線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
論文参考訳（メタデータ） (2020-06-19T08:58:57Z)
Creating Synthetic Datasets via Evolution for Neural Program Synthesis [77.34726150561087]
いくつかのプログラム合成手法は、ランダムに生成された例と異なるデータ分布によく一般化されていることを示す。本稿では, 合成データ分布のバイアスを制御し, 現在の手法より優れていることを示すための, 新たな敵対的手法を提案する。
論文参考訳（メタデータ） (2020-03-23T18:34:15Z)

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。