論文の概要: Accounts of using the Tustin-Net architecture on a rotary inverted pendulum

• arxiv url: http://arxiv.org/abs/2408.12266v1
• Date: Thu, 22 Aug 2024 10:04:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-23 14:23:36.784551
• Title: Accounts of using the Tustin-Net architecture on a rotary inverted pendulum
• Title（参考訳）: 回転反転振子におけるTustin-Netアーキテクチャの利用
• Authors: Stijn van Esch, Fabio Bonassi, Thomas B. Schön,
• Abstract要約: 本研究では,物理的回転逆振り子の同定にTustinニューラルネットワークアーキテクチャ(Tustin-Net)を用いることを検討した。 本稿では、実際の物理機器上での第一原理のグレーボックスモデルと比較して、タスティンネットの利点、限界、性能について議論する。 本稿では,第1原理モデルと競合するTustin-Netsを生成するトランスファー学習に基づくトレーニング戦略を提案する。
• 参考スコア（独自算出の注目度）: 8.742329168248622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this report we investigate the use of the Tustin neural network architecture (Tustin-Net) for the identification of a physical rotary inverse pendulum. This physics-based architecture is of particular interest as it builds on the known relationship between velocities and positions. We here aim at discussing the advantages, limitations and performance of Tustin-Nets compared to first-principles grey-box models on a real physical apparatus, showing how, with a standard training procedure, the former can hardly achieve the same accuracy as the latter. To address this limitation, we present a training strategy based on transfer learning that yields Tustin-Nets that are competitive with the first-principles model, without requiring extensive knowledge of the setup as the latter.
• Abstract（参考訳）: 本稿では,物理的に回転する逆振り子の同定にTustinニューラルネットワークアーキテクチャ(Tustin-Net)を用いることを検討した。 この物理に基づくアーキテクチャは、速度と位置の既知の関係の上に構築されているため、特に興味深い。 本稿では、実際の物理機器上での第1原理のグレーボックスモデルと比較して、Tustin-Netsの利点、限界、性能について議論し、標準のトレーニング手順では、前者が後者とほとんど同じ精度を達成できないことを示す。 この制限に対処するために,第1原理モデルと競合するTustin-Netsを生成するトランスファー学習に基づくトレーニング戦略を提案する。

関連論文リスト

• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• jaxsnn: Event-driven Gradient Estimation for Analog Neuromorphic Hardware [0.844044431480226]
  JAX上に構築された新しいライブラリ(jaxsnn)は、従来の機械学習フレームワークから離れています。 本ライブラリは,時間連続型ニューロモルフィックバックエンドとの互換性に着目し,スパイクニューラルネットワークと勾配推定のシミュレーションを容易にする。
  論文  参考訳（メタデータ） (2024-01-30T09:27:13Z)
• 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)
• Comparison Analysis of Traditional Machine Learning and Deep Learning Techniques for Data and Image Classification [62.997667081978825]
  本研究の目的は、コンピュータビジョン2次元オブジェクト分類タスクに使用される最も一般的な機械学習およびディープラーニング技術を分析し比較することである。 まず、視覚語モデルと深部畳み込みニューラルネットワーク(DCNN)の理論的背景を示す。 次に、Bag of Visual Wordsモデル、VGG16 CNN Architectureを実装します。
  論文  参考訳（メタデータ） (2022-04-11T11:34:43Z)
• Functional Regularization for Reinforcement Learning via Learned Fourier Features [98.90474131452588]
  本稿では、入力を学習されたフーリエベースに埋め込むことにより、深層強化学習のための簡単なアーキテクチャを提案する。 その結果、状態ベースと画像ベースの両方のRLのサンプル効率が向上することがわかった。
  論文  参考訳（メタデータ） (2021-12-06T18:59:52Z)
• Faster-LTN: a neuro-symbolic, end-to-end object detection architecture [6.262658726461965]
  本稿では,畳み込みバックボーンとLTNからなる物体検出器であるFaster-LTNを提案する。 このアーキテクチャは、ラベル付き例と事前知識を組み合わせた基礎理論を最適化することで訓練される。 実験的な比較では、従来のFaster R-CNNアーキテクチャと競合する性能を示している。
  論文  参考訳（メタデータ） (2021-07-05T09:09:20Z)
• A Deep Graph Neural Networks Architecture Design: From Global Pyramid-like Shrinkage Skeleton to Local Topology Link Rewiring [1.455240131708017]
  本稿では,大域的モデル収縮,重み展開,リンクの重み付けを含む,臨界表現率に基づく3ピペリントレーニングフレームワークを提案する。 ネットワークトポロジにおけるモジュラリティ(クラスタリング)現象の理由を分析し、潜在的な誤った重み付きリンクを再配線するために使用します。 GNNのアーキテクチャ設計は、動的および位相空間的な側面からGNNの表現性を検証する。
  論文  参考訳（メタデータ） (2020-12-16T03:14:31Z)
• Developing Constrained Neural Units Over Time [81.19349325749037]
  本稿では,既存のアプローチと異なるニューラルネットワークの定義方法に焦点をあてる。 ニューラルネットワークの構造は、データとの相互作用にも拡張される制約の特別なクラスによって定義される。 提案した理論は時間領域にキャストされ, データを順序づけられた方法でネットワークに提示する。
  論文  参考訳（メタデータ） (2020-09-01T09:07:25Z)
• Distance-Based Regularisation of Deep Networks for Fine-Tuning [116.71288796019809]
  我々は,仮説クラスを,初期訓練前の重みを中心にした小さな球面に制約するアルゴリズムを開発した。 実験的な評価は、我々のアルゴリズムがうまく機能していることを示し、理論的な結果を裏付けるものである。
  論文  参考訳（メタデータ） (2020-02-19T16:00:47Z)

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。