TL;DR
- چکیده:.
- الگوریتمهای کنترل محدود شانس استاندارد معمولاً بر این فرض تکیه میکنند که عدم قطعیتها در حالتهای خودرو از.
- آمار گاوسی تبعیت میکنند.
چه اتفاقی افتاد
چکیده:. الگوریتمهای کنترل محدود شانس استاندارد معمولاً بر این فرض تکیه میکنند که عدم قطعیتها در حالتهای خودرو از.
آمار گاوسی تبعیت میکنند. سیستمهای بسیار غیرخطی تمایل دارند که گاوسیانیته را مختل کنند و روشهای کنترل محدود شانس استاندارد را به.
چالش بکشند. این مقاله یک تکنیک پارامترسازی مرز اطمینان غیر گاوسی را برای چنین مواردی توسعه میدهد که مشکل بهطور.
محسوسی از فرض گاوسی فاصله میگیرد. رویکرد این است که مرز اطمینان واقعی را بهعنوان اغتشاش پیشبینیشده از کوواریانس در نظر بگیریم،.
هندسه مرزی آشفته را از گشتاورهای آماری مرتبه بالاتر محاسبهشده به دست میآوریم. استفاده از این تکنیک در به اصطلاح "توزیعهای موز شکل" (بهعنوان مثال در مسائل مکانیک مداری یافت.
میشود) پارامترسازی ساده مرز اطمینان را با استفاده از تانسورهای چولگی و کشیدگی امکان پذیر میکند. سپس این روش برای یک تصادفی تکانشی اعمال میشود مشکل هدف گیری مانور فضاپیما در دینامیک دو.
بدنه یک پیادهسازی الگوریتمیاز یک رویکرد مبتنی بر کوواریانس خطی استاندارد در محاسبه پارامترهای کنترلی که محدودیتهای. احتمالی خاصی را در توزیع غیر گاوسی برآورده میکنند،.
بهتر عمل میکند. صفحه، 4 شکل بهینهسازی و کنترل (math.
OC) استناد بهعنوان: (یا v1 [math. OC] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Ethan Burnett [مشاهده ایمیل] [v1] یکشنبه،.
5 آوریل 2026،. ساعت 22:.
58:. 45 UTC (2,.
011 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.