Fugu-MT 論文翻訳(概要): Delay compensation of multi-input distinct delay nonlinear systems via neural operators

論文の概要: Delay compensation of multi-input distinct delay nonlinear systems via neural operators

arxiv url: http://arxiv.org/abs/2509.17131v1
Date: Sun, 21 Sep 2025 15:46:46 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-23 18:58:16.129344
Title: Delay compensation of multi-input distinct delay nonlinear systems via neural operators
Title（参考訳）: ニューラル演算子による多入力別遅延非線形系の遅延補償
Authors: Filip Bajraktari, Luke Bhan, Miroslav Krstic, Yuanyuan Shi,
Abstract要約: 予測器近似が一様(時間内)誤差境界を満たす場合、半言語的実用安定性が対応することを示す。このような近似器の場合、必要となる一様誤差はシステム内のアトラクションの所望領域と制御入力数に依存する。
参考スコア（独自算出の注目度）: 5.578049844940438
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we present the first stability results for approximate predictors in multi-input non-linear systems with distinct actuation delays. We show that if the predictor approximation satisfies a uniform (in time) error bound, semi-global practical stability is correspondingly achieved. For such approximators, the required uniform error bound depends on the desired region of attraction and the number of control inputs in the system. The result is achieved through transforming the delay into a transport PDE and conducting analysis on the coupled ODE-PDE cascade. To highlight the viability of such error bounds, we demonstrate our results on a class of approximators - neural operators - showcasing sufficiency for satisfying such a universal bound both theoretically and in simulation on a mobile robot experiment.
Abstract（参考訳）: 本研究では,動作遅延の異なる多入力非線形系における近似予測器の最初の安定性について述べる。予測器近似が一様(時間内)誤差境界を満たす場合、半言語的実用安定性が対応することを示す。このような近似器の場合、必要となる一様誤差はシステム内のアトラクションの所望領域と制御入力数に依存する。その結果、遅延を輸送PDEに変換し、結合されたODE-PDEカスケードの解析を行う。このような誤差境界の有効性を明らかにするために,我々は,ロボット実験において,そのような普遍的境界を満たすための十分性を示す近似器(ニューラル演算子)のクラスについて,理論的およびシミュレーション的に実験を行った。

関連論文リスト

The Best of Both Worlds: Hybridizing Neural Operators and Solvers for Stable Long-Horizon Inference [0.0]
ANCHORは、PDEの安定な長距離予測のためのオンラインのインスタンス対応ハイブリッド推論フレームワークである。本稿では,ANCHORが長い水平誤差の増大を確実に拘束し,外挿ロールアウトを安定化し,スタンドアロンのニューラル演算子に対するロバスト性を大幅に向上させることを示す。
論文参考訳（メタデータ） (2025-12-22T18:17:28Z)
Generative Modeling with Continuous Flows: Sample Complexity of Flow Matching [60.37045080890305]
本稿では,フローマッチングに基づく生成モデルにおいて,サンプルの複雑さを初めて解析する。速度場推定誤差をニューラルネットワーク近似誤差、有限標本サイズによる統計的誤差、速度場推定のための有限個の最適化ステップによる最適化誤差に分解する。
論文参考訳（メタデータ） (2025-12-01T05:14:25Z)
Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
論文参考訳（メタデータ） (2025-10-22T19:06:39Z)
Stabilization of nonlinear systems with unknown delays via delay-adaptive neural operator approximate predictors [6.093618731228799]
この研究は、非線形システムの遅延適応制御における近似予測器の最初の厳密な安定性を保証する。ニューラルネットワークに基づく近似器のフレキシブルなクラスであるニューラル演算子は、任意に小さな近似誤差を達成できることを示す。
論文参考訳（メタデータ） (2025-09-30T16:00:58Z)
Delay-adaptive Control of Nonlinear Systems with Approximate Neural Operator Predictors [6.093618731228799]
本稿では,未知かつ任意に長いアクチュエータ遅延を持つ非線形システムにおいて,予測器フィードバックコントローラを実装するための厳密な手法を提案する。予測器の解析的に難解な性質に対処するため,学習したニューラル演算子マッピングを用いて近似した。ニューラル演算子の普遍近似定理と遅延の輸送偏微分方程式(PDE)表現に基づく理論的安定性解析を行う。 Lyapunov-Krasovskii関数を通して、予測子の近似誤差と遅延境界に依存する力学系の半言語的実践的収束を証明した。
論文参考訳（メタデータ） (2025-08-28T02:30:53Z)
MultiPDENet: PDE-embedded Learning with Multi-time-stepping for Accelerated Flow Simulation [48.41289705783405]
マルチスケールタイムステップ(MultiPDENet)を用いたPDE組み込みネットワークを提案する。特に,有限差分構造に基づく畳み込みフィルタを少数のパラメータで設計し,最適化する。 4階ランゲ・クッタ積分器を微細な時間スケールで備えた物理ブロックが確立され、PDEの構造を埋め込んで予測を導出する。
論文参考訳（メタデータ） (2025-01-27T12:15:51Z)
Neural Operators for Predictor Feedback Control of Nonlinear Delay Systems [3.0248879829045388]
我々は,予測設計を演算子学習問題として再認識し,ニューラル演算子を介して予測子マッピングを学習する。近似予測器の下では,閉ループ非線形遅延システムの半言語的実用安定性を実現する。ニューラル演算子モデルを用いた5リンクロボットマニピュレータの制御によるアプローチの実証を行った。
論文参考訳（メタデータ） (2024-11-28T07:30:26Z)
Adaptive control of reaction-diffusion PDEs via neural operator-approximated gain kernels [3.3044728148521623]
PDEバックステッピングにおけるゲインカーネルのニューラル演算子近似は、リアルタイムでコントローラを実装するための実行可能な方法として現れている。本稿では,ハイパーボリックPDEの適応制御からベンチマークパラボリックPDEの適応制御まで,ニューラル演算子手法を拡張した。パラメータ適応のリアプノフ設計のためのプラント状態のグローバルな安定性と制御を証明した。
論文参考訳（メタデータ） (2024-07-01T19:24:36Z)
Semi-supervised Learning of Partial Differential Operators and Dynamical Flows [68.77595310155365]
本稿では,超ネットワーク解法とフーリエニューラル演算子アーキテクチャを組み合わせた新しい手法を提案する。本手法は, 1次元, 2次元, 3次元の非線形流体を含む様々な時間発展PDEを用いて実験を行った。その結果、新しい手法は、監督点の時点における学習精度を向上し、任意の中間時間にその解を補間できることを示した。
論文参考訳（メタデータ） (2022-07-28T19:59:14Z)
Incorporating NODE with Pre-trained Neural Differential Operator for Learning Dynamics [73.77459272878025]
ニューラル微分演算子(NDO)の事前学習による動的学習における教師付き信号の強化を提案する。 NDOは記号関数のクラスで事前訓練され、これらの関数の軌跡サンプルとそれらの導関数とのマッピングを学習する。我々は,NDOの出力が,ライブラリの複雑さを適切に調整することで,基礎となる真理微分を適切に近似できることを理論的に保証する。
論文参考訳（メタデータ） (2021-06-08T08:04:47Z)
Efficient Semi-Implicit Variational Inference [65.07058307271329]
効率的でスケーラブルな半単純外挿 (SIVI) を提案する。本手法はSIVIの証拠を低勾配値の厳密な推測にマッピングする。
論文参考訳（メタデータ） (2021-01-15T11:39:09Z)
Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。