竞争神经网络用于非线性系统的鲁棒控制
光学
2020-02-04 v2 机器学习
图像与视频处理
摘要
物理系统的输出常可通过测量获取，例如由多个执行器驱动的机械臂的3D位置，或将激光笔光斑照在墙上形成的散斑图样。选择此类系统的输入（分别为执行器和激光光斑形状）以获得期望输出是困难的，因为这是一个不适定问题，即存在多个输入产生相同输出。在本文中，我们提出一种为任何物理系统提供对此困境鲁棒解的方法。我们表明，尽管输入输出关系是非线性的且/或系统变量的测量不完整，仍可能找到产生期望输出的系统合适输入。我们使用成像中一个极度不适定问题展示我们的方法。我们演示了当在输出端进行仅强度测量采样时，通过多模光纤（MMF）投影任意形状。我们展示的图像投影保真度高达约90%，与通过相位和振幅测量完整表征系统的黄金标准方法相当。所提方法的通用性与简单性为现实应用中的目标导向控制提供了新途径。
引用
@article{arxiv.1907.00126,
title = {Competing Neural Networks for Robust Control of Nonlinear Systems},
author = {Babak Rahmani and Damien Loterie and Eirini Kakkava and Navid Borhani and Uğur Teğin and Demetri Psaltis and Christophe Moser},
journal= {arXiv preprint arXiv:1907.00126},
year = {2020}
}
备注
14 pages