連続時間ポリシー勾配に基づく構造化ニューラルコントローラの最適化【JST・京大機械翻訳】

Cho Namhoon; Shin Hyo-Sang

プレプリント

J-GLOBAL ID：202202203941948882 整理番号：22P0275422

連続時間ポリシー勾配に基づく構造化ニューラルコントローラの最適化【JST・京大機械翻訳】

Optimisation of Structured Neural Controller Based on Continuous-Time Policy Gradient

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月17日プレプリントサーバーでの情報更新日： 2022年06月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究では,連続時間(決定論的)動的システムの構造化非線形制御のための政策最適化フレームワークを提示した。提案手法は,ニューラルネットワークによるパラメータ化のポイントとして,与えられた構造内の調整可能な要素を考慮しながら,関連する科学的知識(Lyapunov安定性理論またはドメイン経験のような)に基づくコントローラのための構造を説明する。ニューラルネットワーク重みの関数として代表されるコストを最適化するために,提案した手法は,コスト勾配の正当な計算のための手段として随伴感度解析に基づく連続時間政策勾配法を利用する。これにより,表現可撓性を有するフィードバックコントローラに対する解析的に導出された構造の安定性,ロバスト性,および物理的解釈性を組み合わせることができ,機械学習技法によって提供される性能の最適化を行った。固定構造制御合成に対するこのようなハイブリッドパラダイムは,オンライン操作において改善された性能を達成するために,適応非線形制御器の最適化に特に有用であり,既存の理論は,性能特性を支配する利得と不確実性モデル基底関数の同調に関する明確な解析的理解を欠いている。航空宇宙応用に関する数値実験は,構造化非線形制御器最適化フレームワークの有用性を説明した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , ニューロコンピュータ

, ,

前のページに戻る