論文の概要: Achieving $\widetilde{O}(1/ε)$ Sample Complexity for Bilinear Systems Identification under Bounded Noises
- arxiv url: http://arxiv.org/abs/2603.20819v1
- Date: Sat, 21 Mar 2026 13:40:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.101736
- Title: Achieving $\widetilde{O}(1/ε)$ Sample Complexity for Bilinear Systems Identification under Bounded Noises
- Title（参考訳）: 境界雑音下における双線形システム同定のための$\widetilde{O}(1/ε)$サンプル複素性を得る
- Authors: Hongyu Yi, Chenbei Lu, Jing Yu,
- Abstract要約: 本稿では,有界対称対流圏外乱下での離散時間双線形系の有限サンプル集合メンバーシップ同定について検討する。
線形系に対する既存の有限サンプル結果と比較して、軌道依存回帰器によるより挑戦的な双線型設定を考慮し、平均二乗状態成長を伴う辺りの安定なダイナミクスを許容する。
- 参考スコア（独自算出の注目度）: 2.6857362061342998
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies finite-sample set-membership identification for discrete-time bilinear systems under bounded symmetric log-concave disturbances. Compared with existing finite-sample results for linear systems and related analyses under stronger noise assumptions, we consider the more challenging bilinear setting with trajectory-dependent regressors and allow marginally stable dynamics with polynomial mean-square state growth. Under these conditions, we prove that the diameter of the feasible parameter set shrinks with sample complexity $\widetilde{O}(1/ε)$. Simulation supports the theory and illustrates the advantage of the proposed estimator for uncertainty quantification.
- Abstract（参考訳）: 本稿では,有界対称対数凹乱下での離散時間双線形系の有限サンプル集合メンバーシップ同定について検討する。
線形系に対する既存の有限サンプル結果や、より強い雑音仮定の下での関連解析と比較して、軌道依存回帰器によるより困難な双線型設定を考慮し、多項式平均二乗状態成長を伴う辺りの安定なダイナミクスを許容する。
これらの条件下では、実現可能なパラメータ集合の直径がサンプル複雑性$\widetilde{O}(1/ε)$で縮まることが証明される。
シミュレーションはこの理論を支持し、不確実な定量化のために提案された推定器の利点を示す。
関連論文リスト
- 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) - A Bayesian Framework for Symmetry Inference in Chaotic Attractors [0.0]
候補部分群の格子上での確率的モデル選択として対称性検出を定式化する枠組みを提案する。
人間の歩行力学への応用は、機械的制約によって引き起こされる対称性の変化を明らかにする。
論文 参考訳（メタデータ） (2025-10-18T13:49:35Z) - The Sample Complexity of Online Reinforcement Learning: A Multi-model Perspective [55.15192437680943]
連続状態と行動空間を持つ非線形力学系の一般設定におけるオンライン強化学習のサンプル複雑性について検討した。
我々のアルゴリズムは、$mathcalO(N epsilon2 + Mathrmln(m(epsilon)/epsilon2)$のポリシーを後悔する。
力学がコンパクトで実数値のパラメータ集合によってパラメータ化される特別な場合、$mathcalO(sqrt)のポリシー後悔を証明する。
論文 参考訳（メタデータ） (2025-01-27T10:01:28Z) - Sample Complexity Bounds for Linear System Identification from a Finite Set [0.0]
我々は、真のシステムを特定するために、最大可能性推定器を使用する。
情報理論のツールを活用して、サンプルの複雑さを低くする。
得られたサンプル複雑性境界を解析的および数値的に解析する。
論文 参考訳（メタデータ） (2024-09-17T12:52:16Z) - Sample Complexity of the Sign-Perturbed Sums Method [0.0]
Sign-Perturbed Sums (SPS) 法は真のシステムパラメータに対して正確で漸近的でない信頼領域を構成する。
一般線形回帰問題に対するSPSのサンプル複雑性について検討する。
SPS信頼領域の理論的境界と経験的サイズの違いを実験的に検討した。
論文 参考訳（メタデータ） (2024-09-02T13:18:53Z) - Sample Complexity of the Sign-Perturbed Sums Identification Method:
Scalar Case [0.0]
Sign-Perturbed Sum (SPS) は強力な有限サンプルシステム同定アルゴリズムである。
本稿では,SPS信頼区間の挙動について検討する。
論文 参考訳（メタデータ） (2024-01-28T22:44:41Z) - Reinforcement Learning from Partial Observation: Linear Function Approximation with Provable Sample Efficiency [111.83670279016599]
部分観察決定過程(POMDP)の無限観測および状態空間を用いた強化学習について検討した。
線形構造をもつPOMDPのクラスに対する部分可観測性と関数近似の最初の試みを行う。
論文 参考訳（メタデータ） (2022-04-20T21:15:38Z) - Stochastic Approximation for Online Tensorial Independent Component
Analysis [98.34292831923335]
独立成分分析(ICA)は統計機械学習や信号処理において一般的な次元削減ツールである。
本稿では,各独立成分を推定する副産物オンライン時系列アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-12-28T18:52:37Z) - Finite-time Identification of Stable Linear Systems: Optimality of the
Least-Squares Estimator [79.3239137440876]
線形時間不変系に対する正規最小方形推定器(OLS)の推定誤差の新しい有限時間解析法を提案する。
我々は、OLS推定器が$(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)
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。