ترجمه فارسی مقاله PACSBO: احتمالاً بهینه سازی بیزین ایمن تقریباً صحیح است

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی PACSBO: Probably approximately correct safe Bayesian optimization
عنوان مقاله به فارسی PACSBO: احتمالاً بهینه سازی بیزین ایمن تقریباً صحیح است
نویسندگان Abdullah Tokmak, Thomas B. Schön, Dominik Baumann
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Systems and Control,Optimization and Control,یادگیری ماشین , سیستم ها و کنترل , بهینه سازی و کنترل ,
توضیحات Submitted 2 September, 2024; originally announced September 2024. , Comments: Accepted to the Symposium on Systems Theory in Data and Optimization (SysDO 2024). This is a preprint of the final version, which is to appear in Lecture Notes in Control and Information Sciences - Proceedings
توضیحات به فارسی ارسال شده در 2 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: پذیرفته شده در سمپوزیوم نظریه سیستم در داده ها و بهینه سازی (SYSDO 2024).این یک نسخه از نسخه نهایی است ، که در یادداشت های سخنرانی در کنترل و علوم اطلاعاتی ظاهر می شود - مجموعه مقالات
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Safe Bayesian optimization (BO) algorithms promise to find optimal control policies without knowing the system dynamics while at the same time guaranteeing safety with high probability. In exchange for those guarantees, popular algorithms require a smoothness assumption: a known upper bound on a norm in a reproducing kernel Hilbert space (RKHS). The RKHS is a potentially infinite-dimensional space, and it is unclear how to, in practice, obtain an upper bound of an unknown function in its corresponding RKHS. In response, we propose an algorithm that estimates an upper bound on the RKHS norm of an unknown function from data and investigate its theoretical properties. Moreover, akin to Lipschitz-based methods, we treat the RKHS norm as a local rather than a global object, and thus reduce conservatism. Integrating the RKHS norm estimation and the local interpretation of the RKHS norm into a safe BO algorithm yields PACSBO, an algorithm for probably approximately correct safe Bayesian optimization, for which we provide numerical and hardware experiments that demonstrate its applicability and benefits over popular safe BO algorithms.

چکیده به فارسی (ترجمه ماشینی)

الگوریتم های بهینه سازی بیزی ایمن (BO) قول می دهند بدون دانستن پویایی سیستم و در عین حال ایمنی با احتمال زیاد ، سیاست های کنترل بهینه را پیدا کنند.در ازای این ضمانت ها ، الگوریتم های محبوب نیاز به یک فرض صافی دارند: یک حد بالایی شناخته شده بر روی یک هنجار در فضای هسته ای تولید مثل (RKHS).RKHS یک فضای بالقوه نامتناهی است و مشخص نیست که چگونه در عمل ، در RKH های مربوطه ، یک عملکرد ناشناخته را به دست می آوریم.در پاسخ ، ما یک الگوریتم را پیشنهاد می کنیم که محدوده بالایی را بر روی هنجار RKHS یک تابع ناشناخته از داده ها تخمین می زند و خصوصیات نظری آن را بررسی می کند.علاوه بر این ، شبیه به روشهای مبتنی بر لیپشیتز ، ما با هنجار RKHS به عنوان یک محلی و نه یک شیء جهانی رفتار می کنیم و بنابراین محافظه کاری را کاهش می دهیم.ادغام برآورد هنجار RKHS و تفسیر محلی از هنجار RKHS در یک الگوریتم BO ایمن Pacsbo ، یک الگوریتم برای بهینه سازی بیزی ایمن تقریباً صحیح ، که ما آزمایش های عددی و سخت افزاری را ارائه می دهیم که نشان دهنده کاربرد و مزایای آن نسبت به الگوریتم های ایمن محبوب است.بشر

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.