一种基于协作学习的解析端到端深度学习算法
机器学习
2023-06-01 v2 系统与控制
系统与控制
摘要
在大多数控制应用中，对系统进行理论分析对于确保稳定性或收敛性至关重要，从而确保安全可靠的运行，并更好地理解系统以进一步发展。然而，当前大多数深度学习方法都是更关注实证研究的黑盒方法。最近，基于非光滑 ReLU 激活函数的端到端深度学习收敛分析取得了一些结果，但这可能导致控制任务中的抖振。本文给出了具有光滑激活函数的全连接神经网络（FNN）端到端深度学习的收敛分析。因此，所提方法避免了任何潜在的抖振问题，也不易导致梯度消失问题。所提端到端算法并发训练多个两层全连接网络，并且可利用协作学习进一步结合各自优势以提高精度。基于全连接网络和 MNIST 数据集的分类案例研究展示了所提方法的性能。随后执行了 UR5e 机械臂的在线运动学控制任务，以说明我们算法的回归逼近和在线更新能力。
引用
@article{arxiv.2305.18594,
title = {An Analytic End-to-End Deep Learning Algorithm based on Collaborative Learning},
author = {Sitan Li and Chien Chern Cheah},
journal= {arXiv preprint arXiv:2305.18594},
year = {2023}
}