데이터 기반 컨트롤러의 메타 학습: 자동 모델 참조 튜닝 이론 및 실험 사례 연구
데이터 기반 제어는 시스템 모델 구축이 비용이나 시간이 많이 드는 제어 시나리오에서 실용적인 옵션을 제공합니다. 그러나 많은 이러한 알고리즘은 완전히 자동화되어 있지 않으며, 번거로운 시행착오 과정을 통해 여러 하이퍼파라미터를 조정해야 하고 많은 양의 데이터가 필요합니다. 이 논문에서는 유사한(그러나 동일하지 않은) 시스템에 대한 기존 지식을 활용하여 실험 부담을 줄이고 사용 가능한 자유도 튜닝을 용이하게 하는 메타 학습 접근 방식을 탐구합니다.
데이터 기반 컨트롤러의 메타 학습: 자동 모델 참조 튜닝 이론 및 실험 사례 연구
데이터 기반 제어는 시스템 모델 구축이 비용이나 시간이 많이 드는 제어 시나리오에서 실용적인 옵션을 제공합니다. 그러나 많은 이러한 알고리즘은 완전히 자동화되지 않으며, 번거로운 시행착오 과정을 통해 여러 하이퍼파라미터를 조정해야 하고 많은 양의 데이터가 필요합니다. 이 논문에서는 유사한(그러나 동일하지 않은) 시스템에 대한 기존 지식을 활용하여 실험 부담을 줄이고 사용 가능한 자유도의 튜닝을 용이하게 하는 메타 학습 접근 방식을 탐구합니다.
데이터 기반 컨트롤러의 메타 학습: 자동 모델 참조 튜닝 이론 및 실험 사례 연구
데이터 기반 제어는 시스템 모델 구축이 비용이나 시간이 많이 드는 제어 시나리오에서 실용적인 옵션을 제공합니다. 그러나 많은 이러한 알고리즘은 완전히 자동화되지 않으며, 번거로운 시행착오 과정을 통해 여러 하이퍼파라미터를 조정해야 하고 많은 양의 데이터가 필요합니다. 이 논문에서는 유사한(그러나 동일하지 않은) 시스템에 대한 기존 지식을 활용하여 실험 작업을 줄이고 사용 가능한 자유도의 튜닝을 용이하게 하는 메타 학습 접근 방식을 탐구합니다.
데이터 기반 컨트롤러의 메타 학습: 자동 모델 참조 튜닝 이론 및 실험 사례 연구
데이터 기반 제어는 시스템 모델 구축이 비용이나 시간이 많이 드는 제어 시나리오에서 실용적인 옵션을 제공합니다. 그러나 많은 이러한 알고리즘은 완전히 자동화되지 않으며, 번거로운 시행착오 과정을 통해 여러 하이퍼파라미터를 조정해야 하고 많은 양의 데이터가 필요합니다. 이 논문에서는 유사한(그러나 동일하지 않은) 시스템에 대한 기존 지식을 활용하여 실험 부담을 줄이고 사용 가능한 자유도의 튜닝을 용이하게 하는 메타 학습 접근법을 탐구합니다.
