基于梯度的MAML在LQR中的收敛性
系统与控制
2023-09-18 v2 机器学习
系统与控制
摘要
本研究论文的主要目标是考察模型无关元学习（MAML）应用于线性系统二次最优控制（LQR）时的局部收敛特性。MAML及其变体因能利用以往学习知识快速适应回归、分类和强化学习等新任务而成为流行技术。然而，由于其非凸性与结构，其理论保证仍属未知，这使得在动态系统设定中确保稳定性更具挑战性。本研究聚焦于LQR设定下的MAML，在保持动力系统稳定性的同时提供其局部收敛保证。论文还给出了简单的数值结果以展示MAML在LQR任务中的收敛性质。
引用
@article{arxiv.2309.06588,
title = {Convergence of Gradient-based MAML in LQR},
author = {Negin Musavi and Geir E. Dullerud},
journal= {arXiv preprint arXiv:2309.06588},
year = {2023}
}