文献

J-GLOBAL ID：201902252667760135   整理番号：19A0464531

最適および強化学習ベース制御のための高次元不確実性へのスケーラブルサンプリング法【JST・京大機械翻訳】

A Scalable Sampling Method to High-Dimensional Uncertainties for Optimal and Reinforcement Learning-Based Controls

著者 (5件)： Xie Junfei (Department of Computer Science, Texas A&M University at Corpus Christi, Corpus Christi, TX, USA) ,  Wan Yan (Department of Electrical Engineering, University of Texas at Arlington, Arlington, TX, USA) ,  Mills Kevin (NIST, Gaithersburg, MD, USA) ,  Filliben James J. (NIST, Gaithersburg, MD, USA) ,  Lewis F. L. (Department of Electrical Engineering, University of Texas at Arlington, Arlington, TX, USA)
資料名： IEEE Control Systems Letters  (IEEE Control Systems Letters)
巻： 1  号： 1  ページ： 98-103  発行年： 2017年 
JST資料番号： W3481A  ISSN： 2475-1456  資料種別： 逐次刊行物 (A)
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： 現代の動的システムは,複雑な形でシステムダイナミックスを調節する高次元不確実性の環境でしばしば動作する。これらの高次元不確実性,多くの現実的シナリオにおける非ガウス性,複雑なシステム解析,設計,および制御タスクを複雑にする。このレターでは,新しいサンプリング法,多変量確率的選点法(M-PCM),およびM-PCMとOFFDを統合したM-PCM直交分数要因計画(OFFD)と呼ばれる拡張を導入することにより,高次元不確実性のシステムに対する計算のスケーラビリティを検討した。強化学習手法を用いたM-PCMとM-PCM-OFFDベースの最適制御と適応制御の能力を調べた。解析とシミュレーション研究により,これら二つのアプローチの効率と有効性を示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： システム解析 ,  最適制御 ,  有効性 ,  *高次元 ,  動的系 ,  直交性 ,  適応制御 ,  システムダイナミックス ,  選点法 ,  *不確実性 ,  *強化学習 ,  シミュレーション
準シソーラス用語： 多変量 ,  非Gauss性 , 【Automatic Indexing@JST】

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (3件)： 強化学習 ,  高次元 ,  不確実性