Fugu-MT 論文翻訳(概要): Learning-enabled Parameter Synthesis for Nonlinear Systems from Signal Temporal Logic

論文の概要: Learning-enabled Parameter Synthesis for Nonlinear Systems from Signal Temporal Logic

arxiv url: http://arxiv.org/abs/2607.08899v1
Date: Thu, 09 Jul 2026 19:45:55 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-13 14:47:12.734865
Title: Learning-enabled Parameter Synthesis for Nonlinear Systems from Signal Temporal Logic
Title（参考訳）: 信号時間論理を用いた非線形システムの学習可能なパラメータ合成
Abstract要約: 本研究では,不確実な初期条件に対する連続時間STL仕様を確実に満たす非線形システムのパラメータを合成する。最大18パラメータ次元の3つのシステムにおいて,本手法の有効性と拡張性を示す。
参考スコア（独自算出の注目度）: 2.4490027598392206
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Signal Temporal Logic (STL) is increasingly used to describe interpretable objectives and constraints for optimal control and learning methods, especially when no target time series data is available. In this work, we propose to synthesize parameters for nonlinear systems that robustly satisfy continuous-time STL specifications for uncertain initial conditions. To this end, we use gradient-based optimization along with set-based reachability verification to efficiently learn in high-dimensional parameter spaces while providing provable satisfaction guarantees for the optimized parameters. We demonstrate the effectiveness and scalability of our method on three systems with up to 18 parameter dimensions.
Abstract（参考訳）: Signal Temporal Logic (STL) は、特にターゲット時系列データが利用できない場合に、最適な制御と学習方法の解釈可能な目的と制約を記述するために使われることが多い。本研究では,不確実な初期条件に対する連続時間STL仕様を確実に満たす非線形システムのパラメータを合成することを提案する。この目的のために、我々は勾配に基づく最適化とセットベースの到達性検証を用いて、高次元パラメータ空間で効率よく学習し、最適化されたパラメータに対する証明可能な満足度保証を提供する。最大18パラメータ次元の3つのシステムにおいて,本手法の有効性と拡張性を示す。

関連論文リスト

Feedback Motion Planning for Stochastic Nonlinear Systems with Signal Temporal Logic Specifications [25.484834028091083]
信号時間論理(STL)仕様下での連続時間非線形システムのフィードバック動作計画について検討する。本稿では,確率制約付きSTL軌道最適化問題に対する制御ポリシを合成するフレームワークを提案する。
論文参考訳（メタデータ） (2026-05-04T09:02:16Z)
Stability Enhanced Gaussian Process Variational Autoencoders [0.0]
低次元線形時間不変量(LTI)システムを間接的に訓練するために,新しい安定性向上型ガウス過程変分オートエンコーダ(SEGP-VAE)を提案する。 LTIパラメータの探索空間は、完全かつ制約のないパラメトリエーションによって、半収縮系の集合に制限される。ケーススタディでは、SEGP-VAEをスパイラル粒子のビデオを含むデータセットに適用する。
論文参考訳（メタデータ） (2026-04-10T14:00:06Z)
Nemotron-Flash: Towards Latency-Optimal Hybrid Small Language Models [97.55009021098554]
本研究の目的は、SLMのリアルタイムレイテンシの主要な決定要因を特定し、SLMの設計とトレーニングのための一般化可能な原則と方法論を提供することである。我々はNemotron-Flashと呼ばれるハイブリッドSLMの新たなファミリーを導入し、最先端SLMの精度・効率のフロンティアを大幅に向上させる。
論文参考訳（メタデータ） (2025-11-24T08:46:36Z)
Fints: Efficient Inference-Time Personalization for LLMs with Fine-Grained Instance-Tailored Steering [49.212940215720884]
本稿では,ユーザデータからサンプルレベルの干渉を生成し,モデルの前方通過に注入してパーソナライズするステアリングフレームワークを提案する。本手法は,対話モードやコンテキスト長の異なる環境において,ロバスト性を保ちながら,高速シフト環境におけるパーソナライズ性能を著しく向上させる。
論文参考訳（メタデータ） (2025-10-31T06:01:04Z)
Free Parametrization of L2-bounded State Space Models [0.0]
本稿では、入力出力安定性とロバスト性を保証する構造化状態空間モデル(SSM)の新たなパラメトリゼーションであるL2RUを紹介する。 L2-bound を指定した正方形離散時間 LTI システムの非保守的パラメトリゼーションを導出し,L2RU アーキテクチャの基礎となる。
論文参考訳（メタデータ） (2025-03-31T07:56:17Z)
Zeroth-Order Fine-Tuning of LLMs with Extreme Sparsity [66.67596152389591]
ゼロ階最適化(ZO)は、微調整された大規模言語モデルのためのメモリ効率の高い戦略である。本研究では,ZO を用いた LLM パラメータの極小サブセットの微調整の実現可能性について検討した。この結果から,ZO を用いた LLM の微調整パラメータ 0.1% は,ZO の微調整性能より優れることが示された。
論文参考訳（メタデータ） (2024-06-05T04:07:35Z)
HOPE for a Robust Parameterization of Long-memory State Space Models [51.66430224089725]
線形時間不変(LTI)システムを利用する状態空間モデル(SSM)は、長いシーケンスの学習において有効であることが知られている。我々は,ハンケル作用素内のマルコフパラメータを利用するLTIシステムに対して,HOPEと呼ばれる新しいパラメータ化手法を開発した。我々の新しいパラメータ化は、固定時間ウィンドウ内に非遅延メモリを付与し、パッドドノイズのあるシーケンシャルCIFAR-10タスクによって実証的に相関する。
論文参考訳（メタデータ） (2024-05-22T20:20:14Z)
End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文参考訳（メタデータ） (2024-02-12T16:33:35Z)
Learning IMM Filter Parameters from Measurements using Gradient Descent [45.335821132209766]
トラック下のターゲットの固有のパラメータは、システムがデプロイされるまで完全に観測不可能である。最先端のセンサーシステムはますます複雑になり、パラメータの数が自然に増加する。本稿では,対話型多重モデル (IMM) フィルタのパラメータを計測のみで最適化する。
論文参考訳（メタデータ） (2023-07-13T08:35:40Z)
Sensitivity-Aware Visual Parameter-Efficient Fine-Tuning [91.5113227694443]
私たちは新しいビジュアルを提案します。 Sensuous-Aware Fine-Tuning (SPT) スキーム。 SPTはタスク固有の重要な位置にトレーニング可能なパラメータを割り当てる。ダウンストリーム認識タスクの幅広い実験により,SPTは既存のPEFT法と相補的であることが示された。
論文参考訳（メタデータ） (2023-03-15T12:34:24Z)
Learning Spatio-Temporal Specifications for Dynamical Systems [0.757024681220677]
データからの論理仕様として学習時空間(ST特性)のフレームワークを提案する。本稿では,SVM-STL(Signal Signal Temporal Logic:信号時空間論理)の拡張について紹介する。本フレームワークは,SVM-STL仕様を空間パターンのシーケンスによって与えられるシステム実行から学習するために,機械学習技術を利用する。
論文参考訳（メタデータ） (2021-12-20T18:03:01Z)
Data-Driven System Level Synthesis [2.335152769484957]
本稿では,過去のシステムトラジェクトリのライブラリのみを用いて,システム応答に対する最適化問題を提示できることを示す。まず、ノイズフリー軌道の理想的な設定を検討し、従来のSLSとデータ駆動SLSの正確な等価性を示す。次に,プロセスノイズによって駆動されるシステムの場合,頑健なSLSツールを用いて,閉ループ性能に対するノイズの影響を評価できることを示す。
論文参考訳（メタデータ） (2020-11-20T22:52:29Z)

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。