训练数据如何影响基于学习的控制之性能
系统与控制
2020-05-26 v1 机器学习
系统与控制
摘要
当真实系统过于复杂而无法推导第一性原理模型时，数据驱动方法使我们能从系统观测中建立模型。当这些模型被用于基于学习的控制时，数据质量对所得控制律的性能起关键作用。然而，几乎不存在评估训练数据集的度量，且数据分布对闭环系统性质的影响在很大程度上未知。本文基于高斯过程模型，推导了训练数据密度与控制性能之间的解析关系。我们 formulate 了一个称为 -gap 的数据集质量度量，并推导出考虑模型不确定性下跟踪误差的最终界。我们展示了 -gap 如何应用于反馈线性化控制律，并为我们的方法提供数值说明。
引用
@article{arxiv.2005.12062,
title = {How Training Data Impacts Performance in Learning-based Control},
author = {Armin Lederer and Alexandre Capone and Jonas Umlauft and Sandra Hirche},
journal= {arXiv preprint arXiv:2005.12062},
year = {2020}
}