閉ループデータを用いたニューラルネットワーク訓練:危険と機器変数(IVNN)解【JST・京大機械翻訳】

Kon Johan; Heertjes Marcel; Oomen Tom

プレプリント

J-GLOBAL ID：202202217175077140 整理番号：22P0287949

閉ループデータを用いたニューラルネットワーク訓練:危険と機器変数(IVNN)解【JST・京大機械翻訳】

Neural Network Training Using Closed-Loop Data: Hazards and an Instrumental Variable (IVNN) Solution

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 (3件)： , ,
資料名：
発行年： 2022年02月10日プレプリントサーバーでの情報更新日： 2022年04月19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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

制御システムにおけるニューラルネットワークの使用における増加傾向が観察された。本論文の目的は,閉ループデータによる学習ニューラルネットワークフィードフォワードコントローラの直接的な応用が,制御性能を低下させるパラメータ不整合を導入し,解決策を提供することである。提案方法は,一貫したパラメータ推定を確実にするために,機器変数を使用する。非線形システム用例は,開発した機器可変ニューラルネットワーク(IVNN)アプローチが最適解を漸近的に回復するが,既存のアプローチが矛盾した推定につながることを示した。【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