基于梯度流神经网络建模的数据驱动最优控制
动力系统
2023-12-05 v1 最优化与控制
摘要
从观测数据中提取物理定律是科学与工程众多不同领域的一项核心挑战。我们提出了最优控制神经网络（OCN），在给定由采样轨迹组成的数据且不假设其解析形式的情况下，以学习动力系统中向量场的规律。OCN 框架由神经网络表示和最优控制公式组成。我们为解和向量场提供了误差界限。结果表明，这些界限同时取决于训练误差和观测数据之间的时间步长。我们还在几个典型系统（包括混沌 Lorenz 系统）上进行了测试，证明了 OCN 的有效性及其泛化能力。
引用
@article{arxiv.2312.01165,
title = {Data-driven optimal control with neural network modeling of gradient flows},
author = {Xuping Tian and Baskar Ganapathysubramanian and Hailiang Liu},
journal= {arXiv preprint arXiv:2312.01165},
year = {2023}
}
备注
28 pages, 8 figures