論文の概要: DiscoverDCP: A Data-Driven Approach for Construction of Disciplined Convex Programs via Symbolic Regression

• arxiv url: http://arxiv.org/abs/2512.15721v1
• Date: Wed, 03 Dec 2025 08:31:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-21 14:22:08.775111
• Title: DiscoverDCP: A Data-Driven Approach for Construction of Disciplined Convex Programs via Symbolic Regression
• Title（参考訳）: DiscoverDCP: シンボリック回帰によるディシプリンド・コンベックス・プログラム構築のためのデータ駆動型アプローチ
• Authors: Sveinung Myhre,
• Abstract要約: DCP(Disciplined Convex Programming)のルールセットとシンボリックレグレッションを統合したデータ駆動型フレームワークを提案する。 出力表現が構成によってグローバルに凸であることを保証するため、計算的に難解なポストホック凸性検証のプロセスを回避できる。 提案手法は,安全クリティカルな制御および最適化作業に適した解釈可能,検証可能,フレキシブルな凸モデルを生成する。
• 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 propose DiscoverDCP, a data-driven framework that integrates symbolic regression with the rule sets of Disciplined Convex Programming (DCP) to perform system identification. By enforcing that all discovered candidate model expressions adhere to DCP composition rules, we ensure that the output expressions are globally convex by construction, circumventing the computationally intractable process of post-hoc convexity verification. This approach allows for the discovery of convex surrogates that exhibit more relaxed and accurate functional forms than traditional fixed-parameter convex expressions (e.g., quadratic functions). The proposed method produces interpretable, verifiable, and flexible convex models suitable for safety-critical control and optimization tasks.
• Abstract（参考訳）: 本稿では,DCP(Disciplined Convex Programming)の規則セットとシンボリック回帰を統合し,システム識別を行うデータ駆動型フレームワークであるDiscoverDCPを提案する。 全ての候補モデル式が DCP 合成規則に従属することを強制することにより、出力表現が構成によってグローバルに凸であることを確認し、計算的に難解なポストホック凸性検証のプロセスを回避できる。 このアプローチにより、従来の固定パラメータ凸式(例えば二次関数)よりもリラックスして正確な関数形式を示す凸代理の発見が可能になる。 提案手法は,安全クリティカルな制御および最適化作業に適した解釈可能,検証可能,フレキシブルな凸モデルを生成する。

関連論文リスト

• Unlocking Symbol-Level Precoding Efficiency Through Tensor Equivariant Neural Network [84.22115118596741]
  シンボルレベルのプリコーディングにおいて,推論の複雑さの低いエンドツーエンドディープラーニング(DL)フレームワークを提案する。 提案手法は,従来の手法よりも約80倍の高速化を実現しつつ,SLPの大幅な性能向上を達成できることを示す。
  論文  参考訳（メタデータ） (2025-10-02T15:15:50Z)
• Provably data-driven projection method for quadratic programming [18.20955065779317]
  凸二次プログラム(QP)におけるデータ駆動予測行列学習の一般化保証を解析する。 凸QPの解が特殊活性集合に対応する実現可能な領域に局在できることを実証する。 次に、最適解と入力対応設定を一致させる学習を含む、分析を他の設定に拡張します。
  論文  参考訳（メタデータ） (2025-09-03T14:44:25Z)
• Optimizing UAV Trajectories via a Simplified Close Enough TSP Approach [0.0]
  この論文は、CETSP(Close Enough Traveling Salesman Problem)に対処するためのアプローチを探求している。 ユークリッド距離を近似し、目的関数を単純化する再構成を導入する。 その結果, 解の質を損なうことなく, 計算資源の管理に有効であることが示された。
  論文  参考訳（メタデータ） (2025-07-04T18:50:23Z)
• Stable Inverse Reinforcement Learning: Policies from Control Lyapunov Landscapes [4.229902091180109]
  実験データからリアプノフ関数を学習するための新しい安定度認証IRL手法を提案する。 関連する制御ポリシーのクローズドフォーム表現を利用することで、CLFの空間を効率的に探索することができる。 我々は,CLFが提供する最適性に関する理論的解析を行い,シミュレーションデータと実世界データの両方を用いて我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2024-05-14T16:40:45Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Assembly Planning from Observations under Physical Constraints [65.83676649042623]
  提案アルゴリズムは, 物理安定性制約, 凸最適化, モンテカルロ木探索の簡単な組み合わせを用いて, 集合を計画する。 それは効率的で、最も重要なことは、オブジェクト検出のエラーに対して堅牢であり、実際のロボットシステムでは避けられないポーズ推定である。
  論文  参考訳（メタデータ） (2022-04-20T16:51:07Z)
• Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
  本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。 まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。 次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
  論文  参考訳（メタデータ） (2021-11-18T23:21:00Z)
• Bayesian Sequential Optimal Experimental Design for Nonlinear Models Using Policy Gradient Reinforcement Learning [0.0]
  この逐次最適設計(sOED)問題を有限水平部分観測可能なマルコフ決定過程(POMDP)として定式化する。 連続確率変数、一般のガウス的非ガウス的後部モデル、高価な非線形フォワードモデルに対応するために構築されている。 我々は、強化学習から政策勾配(PG)法を用いてsOEDポリシーを数値的に解き、sOEDのPG式を導出し、証明する。 PG-sOED法全体を線形ガウスベンチマークで検証し, 汚染源逆転問題により, バッチおよびグレディ設計よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-28T17:47:31Z)
• Probabilistic Entity Representation Model for Chain Reasoning over Knowledge Graphs [18.92547855877845]
  本稿では,知識グラフ上の論理的推論のための確率的エンティティ表現モデル(PERM)を提案する。 PERMは、エンティティを平均と共分散パラメータで多変量ガウス密度としてエンコードし、意味的位置と滑らかな決定境界をキャプチャする。 われわれは, PERMの薬剤再精製事例研究における能力を示すとともに, 提案された研究が, 現行の方法よりもはるかに優れたF1薬剤を推奨できることを実証した。
  論文  参考訳（メタデータ） (2021-10-26T09:26:10Z)
• Can We Learn Heuristics For Graphical Model Inference Using Reinforcement Learning? [114.24881214319048]
  我々は、強化学習を用いて、高次条件ランダム場(CRF)における推論を解くためのプログラム、すなわち、ポリシーを学習できることを示します。 本手法は,ポテンシャルの形式に制約を加えることなく,推論タスクを効率的に解く。
  論文  参考訳（メタデータ） (2020-04-27T19:24:04Z)

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。