MétaCan
Menu
Retour à la cohorte
Enregistrement W2561243451 · doi:10.1109/tac.2016.2643444

A Descriptor Approach to Robust Leader-Following Output Consensus of Uncertain Multi-Agent Systems With Delay

2016· article· en· W2561243451 sur OpenAlexaff
Ala Shariati, Mahdi Tavakoli

Notice bibliographique

RevueIEEE Transactions on Automatic Control · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed Control Multi-Agent Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Multi-agent systemModel transformationComputer scienceProtocol (science)ConsensusDirected graphTransformation (genetics)PID controllerMathematicsMathematical optimizationControl (management)AlgorithmControl engineeringArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

In this technical note, a descriptor approach to leader-following output consensus of multi-agent systems with both stationary and dynamic leaders is given in the presence of transmission delay and model uncertainty. The proposed method can deal with stable and unstable agents described by general linear models. To this end, a new proportional-derivative-integral (PID) consensus protocol for the closed-loop multi-agent system is proposed under a directed graph. Applying this consensus protocol to the multi-agent system leads to a time-delay closed-loop equation of neutral type. To deal with the resulting neutral system, a descriptor model transformation is used to derive delay-dependent sufficient conditions for the existence of the consensus protocol in terms of certain linear matrix inequalities (LMI). The application of the proposed method is illustrated in a teleoperation system. Simulation results are given to show the effectiveness of the proposed approach.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,044
Tête enseignante GPT0,240
Écart entre enseignants0,196 · 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'étudeSimulation ou modélisation
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

Citations77
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Automatic ControlMême sujetDistributed Control Multi-Agent SystemsTravaux en français237 207