optimal control via neural networks : a convex approach

optimal control via neural networks : a convex approach

读后感:
我们都知道深度神经网络,一般来说输出对于输入都是非凸的,包含很多局部最优点,所以在优化过程中很容易陷入局部最优情况。在对稳定性要求很高的系统控制情境下(比如电力系统控制,航天系统以及工业控制),这种多个局部最优解并且没有全局最优收敛性保证的情况是我们非常不愿看到的,也一定程度限制了目前深度模型在这些行业中的应用。
yet few research investigated how to integrate deep learning models into real-time closed-loop control of physical systems.
Neural networks, because of their structures, are generally not
convex from input to output. Therefore, many control applications (e.g., where real-time decisions
need to be made) choose to favor the computational tractability offered by linear models despite their poor fitting performances.
该算法不仅有良好的预测准确率还有良好的计算优化性能。
我们的工作的另一个主要贡献是,我们明确证明ICNN可以表示所有的凸函数和系统动力学,并且比广泛使用的凸分段线性逼近具有指数更高的效率。
在这里插入图片描述
The network shown in Fig. 2(b) is a convex function from inputs t

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值