MétaCan
Menu
Retour à la cohorte
Enregistrement W2110029763 · doi:10.1109/tac.2006.880961

Near Optimal LQR Performance for a Compact Set of Plants

2006· article· en· W2110029763 sur OpenAlexaff
Daniel E. Miller

Notice bibliographique

RevueIEEE Transactions on Automatic Control · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueStability and Control of Uncertain Systems
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésLinear-quadratic regulatorControl theory (sociology)Controller (irrigation)Context (archaeology)Optimal controlSet (abstract data type)Quadratic equationComputer scienceMathematicsMathematical optimizationControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Here we consider the problem of providing near optimal performance (in this context, "near optimal performance" means performance as close to optimality as desired) for a large set of possible models. We adopt the linear quadratic regulator (LQR) framework in the single-input-single-output (SISO) setting, and prove that given a compact set of controllable and observable plant models of a fixed order, we can construct a single linear periodic controller (LPC) which provides near optimal LQR performance. Since the controller is linear, it automatically has the nice feature that there is some degree of tolerance to unmodeled dynamics. The approach is also shown to work if the goal is the more modest one of pole placement, and it can be simplified if there is additional structure to the plant model

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,219
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Automatic ControlMême sujetStability and Control of Uncertain SystemsTravaux en français237 207