文献

J-GLOBAL ID：202102251443035008   整理番号：21A1957351

状態依存Riccati方程式を用いた最適フィードバック法則の勾配増強教師つき学習【JST・京大機械翻訳】

Gradient-augmented Supervised Learning of Optimal Feedback Laws Using State-Dependent Riccati Equations

著者 (3件)： Albi Giacomo (Department of Computer Science, University of Verona, Verona, Italy) ,  Bicego Sara (Department of Computer Science, University of Verona, Verona, Italy) ,  Kalise Dante (Department of Mathematics, Imperial College London (South Kensington Campus), London, U.K.)
資料名： IEEE Control Systems Letters  (IEEE Control Systems Letters)
巻： 6  ページ： 836-841  発行年： 2022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： 大規模非線形安定化問題の解のための教師つき学習手法を提示した。安定化フィードバック則を,状態依存Riccati方程式ソルバから生成されたデータセットから訓練した。訓練相は損失関数における勾配情報の利用によって濃縮され,ハイパーパラメータの使用を通して重み付けされる。高次元非線形安定化試験は,実時間逐次大規模代数Riccati方程式ソルバが適切に訓練されたフィードフォワードニューラルネットワークによって置換できることを示した。Copyright 2021 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： 損失関数 ,  *教師つき学習 ,  *Riccati方程式 ,  高次元
準シソーラス用語： ソルバ ,  フィードフォワードニューラルネットワーク ,  代数Riccati方程式 , 【Automatic Indexing@JST】

分類 (2件)： システム設計・解析  (IA02030D) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (6件)： Riccati方程式 ,  フィードバック ,  法則 ,  勾配 ,  増強 ,  教師つき学習