disturbances | BriefGPT - AI 论文速递

关键词disturbances

搜索结果 - 7

评估耐久性：多模式数字水印的基准洞察
水印技术的鲁棒性在实际应用中的重要性和可靠性，并通过评估图片和文本生成模型生成的带水印内容在常见的实际场景下的鲁棒性验证了这一点。
PDFa month ago
零和位置差分博弈作为鲁棒强化学习的框架：深度 Q 学习方法
该研究论文提出了鲁棒强化学习（RRL）通过考虑位置微分博弈理论中的 RRL 问题，给出了理论上的合理性，并发展了一种集中式 Q 学习方法。利用该方法，我们证明了在 Isaacs 的条件下（适用于现实世界的动态系统），同一个 Q 函数可以被用
PDF2 months ago
使用机器学习检测网络耦合动力系统中的干扰
寻找未知干扰并识别其属性和位置的方法，即使对干扰或底层动力学一无所知也可应用于许多领域，我们基于机器学习提出一种基于先前系统观测（基于已知训练函数）的无模型方法，可以通过多种已知驱动函数识别多种类型的未知干扰，我们通过食物网络和神经活动模型
PDFa year ago
神经网络控制系统可达性分析中的收缩引导自适应划分
本研究提出了一种基于收缩率指导的自适应分区算法，用于改进非线性反馈环路中神经网络控制器及干扰对区间值可靠范围估计的影响。该算法利用对上估计间隔的收缩率的估计结果，在选定时间和位置进行分区，并通过神经网络验证步骤和可达性分区层的分离，以小的计
PDFa year ago
零样本自适应四轴飞行器控制器
本论文提出了一种适用于四轴飞行器的通用自适应控制器，基于神经网络，通过在仿真环境中训练实现快速适应各种扰动和硬件变化。
PDF2 years ago
ICLR最大熵强化学习 (可证明地) 解决了一些鲁棒强化学习问题
该论文证明了最大熵（MaxEnt）强化学习可以用于学习对某些动态干扰和奖励函数干扰具有鲁棒性的策略，是一种简单并具有吸引力形式保证的鲁棒强化学习方法。
PDF3 years ago
DART：注入噪声以实现鲁棒性模仿学习
提出了一种注入噪音的离策略方法，在演示时将噪音注入到导师的策略中，强制演示如何从错误中恢复。通过 DART 算法在仿真和实验中的比较，证明了该方法的有效性。
PDF7 years ago