PulseAugur
中
实时 11:53:19
English(EN) Learning to control switching nonlinear systems with Koopman operator regression

新方法使用 Koopman 算子回归控制非线性系统

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种在再生核希尔伯特空间中使用 Koopman 算子回归控制非线性系统的方法。该方法从有限样本中估计未知动力学，从而得到一个线性的切换预测模型，其中控制变量决定切换。然后将学习到的动力学应用于通过模型预测控制解决的无限时域最优控制问题。该工作包括对学习率和次优性的理论分析，并通过 Duffing 振荡器的数值模拟得到支持。 AI

影响 这项研究通过实现对复杂非线性动力学更精确的管理，有望推进控制理论在机器人和自主系统中的应用。

排序理由 该集群包含一篇详细介绍控制非线性系统新方法的学术论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新方法使用 Koopman 算子回归控制非线性系统

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Edoardo Caldarelli, Oleksii Kachaiev, Cesare Molinari, Lorenzo Rosasco ·

    利用 Koopman 算子回归学习控制切换非线性系统

    arXiv:2607.11344v1 Announce Type: cross Abstract: In this work, we consider the identification and control of nonlinear systems with finite action spaces. The unknown dynamics are estimated from finite samples with Koopman operator regression in a reproducing kernel Hilbert space…

  2. arXiv stat.ML TIER_1 English(EN) · Lorenzo Rosasco ·

    利用 Koopman 算子回归学习控制切换非线性系统

    In this work, we consider the identification and control of nonlinear systems with finite action spaces. The unknown dynamics are estimated from finite samples with Koopman operator regression in a reproducing kernel Hilbert space, yielding a linear switching predictive model, th…

相关实体

相关话题