論文の概要: Sample Complexity Bounds for Linear System Identification from a Finite Set
- arxiv url: http://arxiv.org/abs/2409.11141v1
- Date: Tue, 17 Sep 2024 12:52:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-18 16:45:13.810630
- Title: Sample Complexity Bounds for Linear System Identification from a Finite Set
- Title(参考訳): 有限集合からの線形システム同定のためのサンプル複雑度境界
- Authors: Nicolas Chatzikiriakos, Andrea Iannelli,
- Abstract要約: 我々は、真のシステムを特定するために、最大可能性推定器を使用する。
情報理論のツールを活用して、サンプルの複雑さを低くする。
得られたサンプル複雑性境界を解析的および数値的に解析する。
- 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 a finite sample perspective on the problem of identifying an LTI system from a finite set of possible systems using trajectory data. To this end, we use the maximum likelihood estimator to identify the true system and provide an upper bound for its sample complexity. Crucially, the derived bound does not rely on a potentially restrictive stability assumption. Additionally, we leverage tools from information theory to provide a lower bound to the sample complexity that holds independently of the used estimator. The derived sample complexity bounds are analyzed analytically and numerically.
- Abstract(参考訳): 本稿では、軌跡データを用いた可能なシステムの有限集合からLTIシステムを特定する問題に対する有限標本視点について考察する。
この目的のために、最大極大推定器を用いて真のシステムを特定し、サンプルの複雑さを上限とする。
重要なことに、導出した境界は潜在的に制限的な安定性の仮定に依存しない。
さらに、情報理論のツールを活用して、使用済み推定器とは独立に保持されるサンプルの複雑さに対する低いバウンドを提供する。
得られたサンプル複雑性境界を解析的および数値的に解析する。
関連論文リスト
- Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。
統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
論文 参考訳(メタデータ) (2024-08-25T04:07:18Z) - A least-square method for non-asymptotic identification in linear switching control [17.938732931331064]
基礎となる部分観測線形力学系は、既知の候補モデルの有限集合内にあることが知られている。
線形最小二乗法の非漸近解析における最近の進歩を活用して、この問題の有限時間サンプル複雑性を特徴づける。
基礎となるシステムの未知のパラメータを識別するデータ駆動型スイッチング戦略を提案する。
論文 参考訳(メタデータ) (2024-04-11T20:55:38Z) - Sample Complexity of the Sign-Perturbed Sums Identification Method:
Scalar Case [0.0]
Sign-Perturbed Sum (SPS) は強力な有限サンプルシステム同定アルゴリズムである。
本稿では,SPS信頼区間の挙動について検討する。
論文 参考訳(メタデータ) (2024-01-28T22:44:41Z) - Fast Shapley Value Estimation: A Unified Approach [71.92014859992263]
冗長な手法を排除し、単純で効率的なシェープリー推定器SimSHAPを提案する。
既存手法の解析において、推定器は特徴部分集合からランダムに要約された値の線形変換として統一可能であることを観察する。
実験により,SimSHAPの有効性が検証され,精度の高いShapley値の計算が大幅に高速化された。
論文 参考訳(メタデータ) (2023-11-02T06:09:24Z) - On the Benefits of Leveraging Structural Information in Planning Over
the Learned Model [3.3512508970931236]
本稿では, サンプルの複雑さを低減させる手法として, システム構造情報を活用する利点について検討する。
分析の結果,モデルの構造的情報を活用することで,サンプルの複雑さを大幅に削減できることが示唆された。
論文 参考訳(メタデータ) (2023-03-15T18:18:01Z) - On the Fundamental Limits of Matrix Completion: Leveraging Hierarchical
Similarity Graphs [39.00971122472004]
本稿では,階層的類似性グラフを推薦システムの側情報として活用する行列補完問題について検討する。
階層的ブロックモデルの下では、観測された行列成分の数に対する正確な情報理論の限界を特徴づける。
最適サンプルの複雑性を解析し,階層的類似性グラフの側情報の品質指標に依拠する特徴を同定する。
論文 参考訳(メタデータ) (2021-09-12T02:38:54Z) - Stochastic Approximation for Online Tensorial Independent Component
Analysis [98.34292831923335]
独立成分分析(ICA)は統計機械学習や信号処理において一般的な次元削減ツールである。
本稿では,各独立成分を推定する副産物オンライン時系列アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-12-28T18:52:37Z) - Revisiting the Sample Complexity of Sparse Spectrum Approximation of
Gaussian Processes [60.479499225746295]
本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。
我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
論文 参考訳(メタデータ) (2020-11-17T05:41:50Z) - Finite-time Identification of Stable Linear Systems: Optimality of the
Least-Squares Estimator [79.3239137440876]
線形時間不変系に対する正規最小方形推定器(OLS)の推定誤差の新しい有限時間解析法を提案する。
我々は、OLS推定器が$(varepsilon,delta)$-PACとなるのに十分な観測サンプルの数を特徴付け、少なくとも1-delta$の確率で$varepsilon$未満の推定誤差を生じる。
論文 参考訳(メタデータ) (2020-03-17T20:59:17Z) - The Simulator: Understanding Adaptive Sampling in the
Moderate-Confidence Regime [52.38455827779212]
エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。
適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。
我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
論文 参考訳(メタデータ) (2017-02-16T23:42:02Z)
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。