stochastic control
PulseAugur coverage of stochastic control — every cluster mentioning stochastic control across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架解决了视频生成中的内容泄露问题
研究人员开发了一个名为基于控制的运动定制（CMC）的新框架，以解决视频生成中的内容泄露问题。该方法使用随机最优控制（SOC）来引导生成过程朝着期望的运动方向发展，而不会无意中从参考视频中复制外观属性。CMC还通过专注于早期生成阶段来加速训练，实现了2.5倍的速度提升。实验表明，CMC能有效减少内容泄露，保持运动保真度，并保留生成视频的多样性。
-
新的SOC框架增强fMRI表征学习
研究人员开发了一个新的框架，通过将自监督学习构建为随机最优控制（SOC）问题来学习功能性磁共振成像（fMRI）数据的表征。该方法将大脑活动建模为连续时间潜在动力学，并优化控制策略以处理fMRI信号固有的时间不规则性和噪声。该方法统一了掩码自编码和联合嵌入预测技术，在下游应用中展示了最先进的性能，且无需模拟。
-
神经算子在逼近复杂数学半群方面展现出潜力
研究人员开发了一种使用神经算子逼近强连续凸单调半群的新方法。该研究介绍了Chernoff-神经算子，并证明了它们对Chernoff单步算子的通用逼近能力。通过利用稳定性估计，可以将这些单步算子的逼近误差传播到逼近相应的半群。此外，还为包络半群提出了包络-神经算子，实现了量化逼近率。这些方法在与非线性偏微分方程、随机最优控制以及模型不确定性下的随机过程相关的数值示例中显示出有效性。
-
新的TRSOC方法通过KL散度增强最优控制
研究人员开发了一种名为轨迹正则化随机最优控制（TRSOC）的新方法，该方法通过引入Kullback--Leibler散度来增强标准的随机最优控制。该散度衡量受控轨迹分布与参考轨迹分布之间的差异，有效地作为漂移失配的惩罚。该方法保持了动态规划结构，并导致修改后的运行成本。实验表明，在性能和对参考动力学（包括从离线数据中学到的动力学）的遵循之间存在可调的权衡。
-
新研究通过随机最大值原理构建伴随匹配
一篇题为“Adjoint Matching through the Lens of the Stochastic Maximum Principle in Optimal Control”的新研究论文，由Jiequn Han撰写，严格推导并推广了随机最优控制问题的伴随匹配方法。该工作构建了一个哈密顿伴随匹配目标，并证明了其与Hamilton-Jacobi-Bellman平稳性条件的关系。对于扩散项与状态和控制无关的情况，该论文恢复了先…