学习无向一致性网络的精确拓扑
系统与控制
2017-10-03 v1 机器学习
摘要
本文提出了一种以非侵入方式学习进行线性一致性更新的智能体网络交互拓扑的方法。该方法基于多元 Wiener 滤波，已知该方法在恢复真实拓扑边的同时也会恢复出伪边。本文的主要贡献是证明在无向一致性网络的情况下，利用 Wiener 滤波器的频率响应可以识别出所有使用 Wiener 滤波得到的伪链接。因此，智能体的精确交互拓扑得以揭示。所提出的方法需要智能体状态的时间序列测量，且不需要任何链路权重的知识。据我们所知，这是首个可证明能重构具有相关噪声的无向一致性网络结构的方法。我们通过数值仿真以及在由 Raspberry Pi 组成的五节点网络上的实验，说明了所开发方法的有效性。
引用
@article{arxiv.1710.00032,
title = {Learning the Exact Topology of Undirected Consensus Networks},
author = {Saurav Talukdar and Deepjyoti Deka and Sandeep Attree and Donatello Materassi and Murti V. Salapaka},
journal= {arXiv preprint arXiv:1710.00032},
year = {2017}
}
备注
6 pages