Feb, 2023

深度主动学习用于非线性系统辨识

HTML
PDF
TL;DR本文提出了一种基于神经网络的深度主动学习框架，将其应用于非线性系统识别中，通过在不同输入空间区域中局部探索系统动力学，从而获得了覆盖更广泛输入空间的模拟数据集，并结合信息量测量和神经网络的预测方差等指标来实现最佳数据采集，相较于使用标准数据采集方法，本文所提出的方法在仿真数据的系统识别中表现更佳。
发现论文，激发创造
  • 从图像像素中学习深度动态模型

    采用深度自动编码器和预测性转移模型相结合的方法，从像素信息中学习动态系统的良好预测模型。

    Oct, 2014

  • 高斯过程状态空间模型本地主动学习

    本文提出了一种基于高斯过程状态空间模型的主动学习策略，旨在获取状态操作空间有界子集上的准确模型，并通过模型预测控制集成探索过程中收集的信息和自适应改进探索策略。

    May, 2020

  • 具有保证的非线性系统辨识的主动学习

    通过提出一种主动学习的方法，该方法不断进行轨迹规划，轨迹跟踪和重新估计系统，并展示了该方法以参数速率估计非线性动态系统，类似于标准线性回归的统计速率。

    Jun, 2020

  • 利用深层编码器网络进行非线性状态空间识别

    本文介绍了一种用于非线性动力系统状态空间识别的编码器方法，它通过将数据集拆分为多个独立部分来近似模拟误差，并使用前馈神经网络估计每个部分的初始状态，从而实现较高效的优化并在知名基准测试中取得了最优结果。

    Dec, 2020

  • 学习降维非线性状态空间模型：一种基于输出误差的规范方法

    本文提出了一种依赖于稀疏测量数据的深度学习方法，可以对非线性系统动力学行为进行建模和状态估计，并在多个测试数据集上验证了其有效性。

    Apr, 2022

  • 学习神经状态空间模型：是否需要状态估计器？

    本文对神经状态空间模型的系统识别算法的学习问题进行了深入的研究，探讨了初始状态估计的选择和作用，并在两个系统识别基准测试上进行了大量实验和分析，表明高级初始状态估计技术对于某些类型的动态系统需要实现高性能，而对于渐近稳定的系统，则基本过程，如零或随机初始化，已经具有竞争性能。

    Jun, 2022

  • 非线性系统中基于模型的RL的最优探索

    本研究针对非线性动态系统的控制问题，提出了一种通过最小化控制器损失和在任意系统中都能达到最佳实例速率的算法，该算法通过策略优化来实现优化实验设计，从而降低系统的参数不确定性。

    Jun, 2023

  • 从回归地图中的图像学习动态系统参数的深度学习

    采用深度学习技术的参数系统识别方法，使用卷积神经网络从状态轨迹观察集合中学习系统动态参数的估计函数，具有对输入样本保真度变化具有鲁棒性的特点。

    Jun, 2023

  • 利用先验领域知识在采样过程中主动学习动力学

    我们提出了一种主动学习算法，通过将先验领域知识明确纳入采样过程，利用副信息来学习动态。通过数值实验，我们证明了该策略探索了高差异区域，加速了学习过程同时降低了模型不确定性。我们还通过提供最大预测方差的收敛速度的明确速率，严格证明了我们的主动学习算法给出了底层动态的一致估计。我们在一个欠驱动的摆系统和半猎豹 MuJoCo 环境上展示了我们方法的有效性。

    Mar, 2024

  • 用于非线性系统控制导向识别的主动学习

    模型基础的强化学习是控制未知系统有效的方法，本文聚焦于具有非线性参数依赖的模型，并展示了适用于一类非线性动力学问题的主动学习算法的有限样本分析。

    Apr, 2024