BriefGPT - AI 论文速递
·
基于有限样本的线性系统识别的样本复杂度界限
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文研究了线性系统识别问题，包括给定轨迹的识别和线性系统的切换控制。通过最新的非渐近分析进展，设计了一个维度无关样本复杂性界的学习器，并开发了一个维度相关的准则来检测破坏性控制器。提出了一个数据驱动的切换策略来识别潜在系统的未知参数，并分析了其性能和对监督控制方法的影响。
🎯
关键要点
- 本文研究线性系统识别问题，特别是在已知部分观测的情况下。
- 首先考虑给定轨迹的识别问题，利用线性最小二乘方法的非渐近分析进展。
- 设计了一个维度无关样本复杂性界的学习器。
- 接着探讨线性系统的切换控制问题，每个候选模型都有一个候选控制器。
- 通过与潜在破坏性控制器的交互收集数据，开发了维度相关的准则来检测破坏性控制器。
- 提出了数据驱动的切换策略来识别潜在系统的未知参数。
- 对提出的策略性能进行了非渐近分析，并讨论了其对监督控制方法的影响。
➡️
