文献

J-GLOBAL ID：201702273523183495   整理番号：17A1253525

スーパモジュラは最適Kalmanフィルタリングにおけるセンサスケジューリングのための平均二乗誤差最小化【Powered by NICT】

Supermodular mean squared error minimization for sensor scheduling in optimal Kalman Filtering

著者 (6件)： Singh Prince (Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, USA) ,  Chen Min (Department of Computer Science, National University of Singapore, 117417, Singapore) ,  Carlone Luca (Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, USA) ,  Karaman Sertac (Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, USA) ,  Frazzoli Emilio (Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, USA) ,  Hsu David (Department of Computer Science, National University of Singapore, 117417, Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ACC  ページ： 5787-5794  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 限られたエネルギー収支を受ける離散時間線形システムの状態を観察するために一組のセンサをスケジューリングの問題を考察した。著者らの目標は,最適な推定器(すなわち,Kalmanフィルタ)の平均二乗誤差(MSE)を最小化するセンサスケジュールを考案することである。最小MSEと最小濃度最適センサスケジューリング問題の両方は本質的に組合せ,計算上難しい。欲張りヒューリスティックを用いて組合せ複雑性を改善優モジュラ目的を最小にした場合欲張り発見的方法は,近最適解を返すことが保証されている。MSEは優モジュラではない(文献で入手可能な反例)ことが知られているが,事前の情報行列と,超モジュール性が成り立つ観測行列の条件を提供した。より具体的には,事前情報マトリックスは厳密に対角支配M行列(プラスその逆に余分な技術要件)する必要がある。経験的結果は,ランダムM行列は超モジュラ問題に関連することを確認したが,これは一般的な事前情報マトリックスの場合には当てはまらない。M行列はネットワーク上での推定問題における自然に発生する,エネルギー制約マルチロボットの位置決め問題へのこの発見の実用的な応用を提供する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 位置決め ,  発見的方法 ,  エネルギー収支 ,  *Kalmanフィルタ ,  線形系 ,  ネットワーク ,  *センサ ,  マルチロボット ,  *スケジューリング
準シソーラス用語： M行列 ,  事前知識 ,  最適解 ,  複雑性 ,  *平均二乗誤差 ,  *センサスケジューリング , 【Automatic Indexing@JST】

分類 (2件)： 計測機器一般  (AD02000X) ,  システム同定  (IA02040O)

タイトルに関連する用語 (4件)： Kalmanフィルタ ,  センサスケジューリング ,  平均二乗誤差 ,  最小化