Fugu-MT 論文翻訳(概要): A finite-sample bound for identifying partially observed linear switched systems from a single trajectory

論文の概要: A finite-sample bound for identifying partially observed linear switched systems from a single trajectory

arxiv url: http://arxiv.org/abs/2503.13766v1
Date: Mon, 17 Mar 2025 23:02:22 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-19 14:14:00.873429
Title: A finite-sample bound for identifying partially observed linear switched systems from a single trajectory
Title（参考訳）: 1つの軌跡から部分的に観測された線形切替系を特定する有限サンプル境界
Authors: Daniel Racz, Mihaly Petreczky, Balint Daroczy,
Abstract要約: 線形切替系に対するシステム同定アルゴリズムのパラメータ推定誤差に基づいて有限サンプル確率境界を導出する。我々の境界は、真の系が二次安定性を示すという仮定の下で統計的整合性を保証する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We derive a finite-sample probabilistic bound on the parameter estimation error of a system identification algorithm for Linear Switched Systems. The algorithm estimates Markov parameters from a single trajectory and applies a variant of the Ho-Kalman algorithm to recover the system matrices. Our bound guarantees statistical consistency under the assumption that the true system exhibits quadratic stability. The proof leverages the theory of weakly dependent processes. To the best of our knowledge, this is the first finite-sample bound for this algorithm in the single-trajectory setting.
Abstract（参考訳）: 線形切替系に対するシステム同定アルゴリズムのパラメータ推定誤差に基づいて有限サンプル確率境界を導出する。このアルゴリズムは1つの軌道からマルコフパラメータを推定し、Ho-Kalmanアルゴリズムの変種を適用して系の行列を復元する。我々の境界は、真の系が二次安定性を示すという仮定の下で統計的整合性を保証する。この証明は弱い依存過程の理論を利用する。我々の知る限りでは、これはこのアルゴリズムの単一軌道設定における最初の有限サンプル境界である。

関連論文リスト

A Non-Asymptotic Theory of Seminorm Lyapunov Stability: From Deterministic to Stochastic Iterative Algorithms [15.764613607477887]
半ノルム制約作用素に対する不動点方程式の解法について検討する。決定論的および基礎的設定の両方において反復アルゴリズムの漸近的動作を確立する。
論文参考訳（メタデータ） (2025-02-20T02:39:37Z)
A General Bayesian Framework for Informative Input Design in System Identification [86.05414211113627]
システム識別のための情報入力設計の問題に取り組む。入力を選択し、真のシステムから対応する出力を観測し、モデルのパラメータを最適化し、データに最も合うようにします。本手法は, 線形および非線形の様々なダイナミクスを用いて, モデルフリーベースラインより優れる。
論文参考訳（メタデータ） (2025-01-28T01:57:51Z)
Exact Recovery Guarantees for Parameterized Non-linear System Identification Problem under Adversarial Attacks [16.705631360131886]
逆攻撃下での基底関数を用いたパラメータ化非線形システムのシステム同定問題について検討する。 LASSO型推定器をモチベーションとして,非滑らかな推定器の正確な回復特性を解析した。非線形システム同定問題に対する非滑らかな推定器のサンプル複雑性解析に関する最初の研究である。
論文参考訳（メタデータ） (2024-08-30T22:12:57Z)
A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文参考訳（メタデータ） (2024-05-24T21:09:19Z)
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)
Discretize Relaxed Solution of Spectral Clustering via a Non-Heuristic Algorithm [77.53604156112144]
我々は、元の問題と離散化アルゴリズムを橋渡しする1次項を開発する。非ヒューリスティック法は元のグラフ切断問題を認識しているため、最終的な離散解の方が信頼性が高い。
論文参考訳（メタデータ） (2023-10-19T13:57:38Z)
Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
論文参考訳（メタデータ） (2022-10-12T06:46:38Z)
Robust online joint state/input/parameter estimation of linear systems [0.0]
本稿では,線形システムの状態,入力,パラメータをオンライン形式で共同で推定する手法を提案する。この方法は、非ガウス雑音や外れ値で劣化した測定のために特別に設計されている。
論文参考訳（メタデータ） (2022-04-12T09:41:28Z)
Data-Driven Reachability Analysis from Noisy Data [5.949143454441281]
与えられたシステムモデルなしでノイズの多いデータから到達可能な集合を直接計算する問題を検討する。いくつかのリーチビリティアルゴリズムが提示され、その精度は、データを生成する基盤システムに依存することが示されている。
論文参考訳（メタデータ） (2021-05-15T14:11:57Z)
Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。暗黙正則化現象の理論的保証を提供する。
論文参考訳（メタデータ） (2020-07-16T13:27:47Z)
Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文参考訳（メタデータ） (2020-07-01T18:43:32Z)

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。