Reti neurali informate dalla fisica risolvono il problema della regolazione non lineare dell'output
Un nuovo approccio che utilizza una rete neurale informata dalla fisica (PINN) è stato sviluppato dai ricercatori per affrontare la sfida della regolazione dell'output a informazione completa per sistemi non lineari. Questa tecnica approssima la varietà di errore di regolazione zero e l'input feedforward minimizzando i residui, rispettando al contempo le condizioni al contorno e di fattibilità, eliminando la necessità di traiettorie precalcolate o dati etichettati. L'operatore appreso attraverso questo metodo traduce efficacemente gli stati dell'esosistema in stati e input della pianta a regime, facilitando l'inferenza in tempo reale e la generalizzazione su varie famiglie di esosistemi. Questa ricerca, che affronta le equazioni del regolatore—un insieme di PDE con un vincolo algebrico—è stata pubblicata su arXiv con l'identificatore 2511.13595.
Fatti principali
- Affronta la regolazione dell'output a informazione completa per sistemi non lineari
- Assume che gli stati della pianta e dell'esosistema siano noti
- Inseguimento/rifiuto perfetto tramite varietà invariante e input feedforward
- Le equazioni del regolatore sono PDE con vincolo algebrico
- La PINN approssima direttamente π(w) e c(w)
- Nessuna necessità di traiettorie precalcolate o dati etichettati
- Consente inferenza in tempo reale e generalizzazione
- Pubblicato su arXiv con ID 2511.13595
Entità
Istituzioni
- arXiv