关于 $\mathcal{L}_2$-增益数据驱动推断的样本复杂度
系统与控制
2020-07-15 v3 系统与控制
最优化与控制
摘要
近来，数据驱动控制已成为一个广泛的研究领域。若干近期基于大数据的方法用于非线性系统的数据驱动控制，试图使用经典的输入输出技术为仅已知有限数量（输入输出）样本的系统设计控制器。这些方法侧重于利用给定数据计算 -增益 或被动性缺失从有限输入输出数据出发的界，从而允许应用小增益定理或被动系统的反馈定理。关于这些方法的一个问题涉及其样本复杂度，即需要多少输入输出样本才能获得算子范数或被动性缺失的近似。我们表明，估计系统算子范数所需的样本数量与在算子范数下逼近系统所需的样本数量大致相同。
引用
@article{arxiv.2003.00238,
title = {On the Sample Complexity of Data-Driven Inference of the $\mathcal{L}_2$-gain},
author = {Miel Sharf},
journal= {arXiv preprint arXiv:2003.00238},
year = {2020}
}
备注
6 pages, 1 figure