MétaCan
Menu
Retour à la cohorte
Enregistrement W4402591381 · doi:10.1109/tac.2024.3462555

Revisiting Model Reference Adaptive Control: Linear-Like Closed-Loop Behavior

2024· article· en· W4402591381 sur OpenAlexafffund
Mohamad T. Shahab, Daniel E. Miller

Notice bibliographique

RevueIEEE Transactions on Automatic Control · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKing Abdullah University of Science and Technology
Mots-clésControl theory (sociology)Adaptive controlLinear systemComputer scienceReference modelLinear-quadratic-Gaussian controlLoop (graph theory)Control (management)Control engineeringMathematicsEngineeringArtificial intelligenceMathematical analysis

Résumé

récupéré en direct d'OpenAlex

In this article, we examine the model reference adaptive control problem when the commonly used projection algorithm is utilized, subject to several common assumptions on the set of admissible parameters, in particular a compactness constraint as well as knowledge of the sign of the high-frequency gain. It is proven in the literature that for this setup, the closed-loop system is bounded-input bounded-state; since the closed-loop system is not linear time-invariant, this does not imply a bounded gain. Here, we prove a much crisper and detailed bound on the closed-loop behavior consisting of three terms: a decaying exponential on the initial condition, a linear-like convolution bound on the exogenous inputs, and a constant scaled by the square root of the constant in the denominator of the estimator update law; we also provide an upper bound on the two-norm of the tracking error. We then demonstrate that the same kind of bounds hold in the presence of a degree of unmodeled dynamics and plant parameter time-variation.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0020,000

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 Opus0,017
Tête enseignante GPT0,249
Écart entre enseignants0,232 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Automatic ControlMême sujetAdvanced Control Systems OptimizationTravaux en français237 207