モデル予測制御へのBayes学習アプローチ【JST・京大機械翻訳】

Cho Namhoon; Lee Seokwon; Shin Hyo-Sang; Tsourdos Antonios

プレプリント

J-GLOBAL ID：202202219978145104 整理番号：22P0299370

モデル予測制御へのBayes学習アプローチ【JST・京大機械翻訳】

Bayesian Learning Approach to Model Predictive Control

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 (4件)： , , ,
資料名：
発行年： 2022年03月05日プレプリントサーバーでの情報更新日： 2022年03月11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,モデル予測制御アルゴリズムに対するBayes学習展望を示した。Bayes学習とサンプリングベースモデル予測制御に関する以前の研究で,高レベルフレームワークを別々に開発した。一方では,Bayes学習ルールは,特別なインスタンスとして様々な機械学習アルゴリズムを生成することができる一般的フレームワークを提供する。他方,動的ミラー降下モデル予測制御フレームワークは,サンプルロールアウトベースの制御アルゴリズムを多様化できる。しかし,2つのフレームワーク間の接続は,確率的最適制御の文脈においてまだ完全には理解されていない。本研究は,オンライン学習者としてモデル予測制御装置を理解する観点から,インスピレーションを考慮することによって,Bayes学習ルールポイントをモデル予測制御設定に結びつける。変分定式化のための事後クラスと自然勾配近似の選択は,モデル予測制御のBayes学習アプローチにおけるモデル予測制御アルゴリズムの多様化を支配する。この代替視点は,設計選択の説明を合理化することにより,動的ミラー降下フレームワークを補完する。【JST・京大機械翻訳】

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

人工知能 , システム・制御理論一般

前のページに戻る