論文の概要: Certified Feedforward Tracking for Unknown Nonlinear Systems via Invertible Neural Networks

• arxiv url: http://arxiv.org/abs/2608.06419v1
• Date: Wed, 05 Aug 2026 18:10:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.243378
• Title: Certified Feedforward Tracking for Unknown Nonlinear Systems via Invertible Neural Networks
• Title（参考訳）: 非可逆ニューラルネットワークによる未知非線形システムのフィードフォワード追跡
• Abstract要約: 部分状態測定による非線形システムの周期的追跡のためのデータ駆動フィード制御の認証について検討する。 我々は、関連するエラーを回避し、トラッキングエラーの認証を削減できるインバージョンIシステムを採用している。 非線形摩擦を伴う直流モータ駆動負荷に対するアプローチを実証する。
• 参考スコア（独自算出の注目度）: 1.631115063641726
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we address the certification of datadriven feedforward control for periodic tracking of unknown nonlinear systems under partial state measurements. To this end, we adopt an invertible neural network (INN) as a surrogate for the unknown system. This choice allows us to bypass solving a nonconvex inversion problem, eliminating the associated inversion errors and reducing tracking error certification to a surrogate modeling problem. We then apply conformal prediction to provide finite-sample probabilistic guarantees on the surrogate modeling error which, through the derived tracking error bound, yield marginal certificates on feedforward tracking error. Finally, we demonstrate the approach on a DC-motor-driven mechanical load with nonlinear friction.
• Abstract（参考訳）: 本稿では, 未知の非線形システムの周期的追跡のためのデータ駆動フィードフォワード制御の証明について, 部分状態測定による検討を行う。 この目的のために、未知のシステムのサロゲートとして非可逆ニューラルネットワーク(INN)を採用する。 この選択により、非凸逆転問題の解法を回避し、関連する逆転誤差を除去し、サロゲートモデル問題への追従誤差認証を低減できる。 次に、共形予測を適用し、サロゲートモデル誤差に対する有限サンプル確率保証を行い、導出された追従誤差によってフィードフォワード追従誤差の限界証明書を得る。 最後に, 非線形摩擦を伴う直流モータ駆動の機械的荷重に対するアプローチを示す。

関連論文リスト

• k-Inductive Neural Barrier Certificates for Unknown Nonlinear Dynamics [6.6977519700808585]
  本稿では、(部分的に)未知の非線形システムに対するk誘導型ニューラルバリア証明(k-NBC)を構築する。 我々は、単一の状態軌跡を用いて、ウィレムやアルの基本的な補題の一般化を活用し、未知のモデルのデータ駆動表現を構築する。 我々は、(部分的に)未知のダイナミクスを持つ3つの非線形ケーススタディに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2026-05-19T16:58:37Z)
• Non-Parametric Rehearsal Learning via Conditional Mean Embeddings [88.89267783967263]
  本研究では,不必要な未来(AUF)問題をテキスト化するための非パラメトリックリハーサル学習手法を提案する。 具体的には、カーネル機械を用いてAUFの目的を、動作誘起分布変化から所望性モデリングを遠ざける統一表現に再構成する。
  論文  参考訳（メタデータ） (2026-05-09T15:30:52Z)
• Verifiable Error Bounds for Physics-Informed Neural KKL Observers [5.168497181862642]
  学習に基づくKazantzis--Kravaris/Luenberger(KKL)観測者に対して,計算可能な状態推定誤差を提案する。 最近の研究は、物理インフォームドニューラルネットワーク(PINN)によるKKL変換マップと、従来のニューラルネットワークによる対応する左逆マップを学習している。
  論文  参考訳（メタデータ） (2026-03-20T19:03:59Z)
• Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning [52.23804865017831]
  本稿では,ニューラルネットワークによるパラメータ化を行う非線形制御系における閉ループ収縮の検証問題に対処する。 我々は、対称メッツラー行列の優越的固有値が非正であることを確かめるために、閉ループの縮約性に対するトラクタブルでスケーラブルな十分条件を導出する。
  論文  参考訳（メタデータ） (2025-12-01T23:06:56Z)
• pDANSE: Particle-based Data-driven Nonlinear State Estimation from Nonlinear Measurements [55.95348868409957]
  本研究では,(ノイズ)非線形測定を用いたデータ駆動非線形状態推定法(DANSE)を設計する際の問題点について考察する。 リカレントニューラルネットワーク(RNN)は、モデルフリープロセスの状態を特徴付けるガウス前のパラメータを提供する。 状態後部の2次統計は、その時点に観測された非線形測定を用いて計算される。
  論文  参考訳（メタデータ） (2025-10-31T14:26:48Z)
• Certified Neural Approximations of Nonlinear Dynamics [51.01318247729693]
  安全クリティカルな文脈では、神経近似の使用は、基礎となるシステムとの密接性に公式な境界を必要とする。 本稿では,認証された一階述語モデルに基づく新しい,適応的で並列化可能な検証手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T13:22:20Z)
• Reshaping the Online Data Buffering and Organizing Mechanism for Continual Test-Time Adaptation [49.53202761595912]
  継続的なテスト時間適応は、訓練済みのソースモデルを適用して、教師なしのターゲットドメインを継続的に変更する。 我々は、オンライン環境、教師なしの自然、エラー蓄積や破滅的な忘れのリスクなど、このタスクの課題を分析する。 教師なしシングルパスデータストリームから重要サンプルを高い確実性で識別・集約する不確実性を考慮したバッファリング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-12T15:48:40Z)
• The Over-Certainty Phenomenon in Modern Test-Time Adaptation Algorithms [8.210473195536077]
  本稿では,精度とキャリブレーションに対処する手法を提案する。 提案手法は,予測誤差と負ログ類似度の観点から,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-24T19:55:50Z)
• Robust Recurrent Neural Network to Identify Ship Motion in Open Water with Performance Guarantees -- Technical Report [8.441687388985162]
  リカレントニューラルネットワークは、入力出力測定から未知の非線形システムの力学を純粋に学習することができる。 本研究では,非線形乱れを伴う線形時間不変系として,リカレントニューラルネットワークを表現する。
  論文  参考訳（メタデータ） (2022-12-12T09:07:37Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• An Offset-Free Nonlinear MPC scheme for systems learned by Neural NARX models [0.803314610321292]
  本稿では,オフセットフリーなセットポイントトラッキングを実現する非線形MPCコントローラの設計について述べる。 提案手法は, 植物に作用する乱れの存在下においても顕著な性能を発揮する。
  論文  参考訳（メタデータ） (2022-03-30T13:30:07Z)
• Recurrent Neural Network Training with Convex Loss and Regularization Functions by Extended Kalman Filtering [0.20305676256390928]
  本研究では,非線形システム同定ベンチマークにおいて,学習手法が勾配勾配よりも優れていることを示す。 また、データ駆動非線形モデル予測制御におけるアルゴリズムの利用と、オフセットフリートラッキングにおける外乱モデルとの関係についても検討する。
  論文  参考訳（メタデータ） (2021-11-04T07:49:15Z)

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。