XiaoMi-AI文件搜索系统
World File Search System代数约束
具有代数约束的概率推断-Zhe Zeng
加权模型集成（WMI）是在混合域中对混合域进行高级概率推断的框架，即在混合连续二散的随机变量上以及存在复杂的逻辑和算术约束的情况下。在这项工作中，我们在理论和算法方面都推进了WMI框架。首先，我们根据WMI问题的依赖关系结构的两个关键特性来追踪WMI推断的障碍性边界：稀疏性和直径。我们证明，当该结构是用对数直径树形的，精确的推断才是有效的。尽管这结果加深了我们对WMI的理论理解，但它阻碍了确切的WMI求解器对大问题的实际适用性。为了克服这一点，我们提出了第一个近似WMI求解器，该求解器不诉诸采样，但对近似模型进行了精确的推断。我们的解决方案迭代执行通过放松的问题结构传递的消息，以恢复丢失的依赖关系。正如我们的实验表明的那样，它会扩展到无法确切的WMI求解器到达的问题，同时提供准确的近似值。
最大坐标中的线性季度最佳控制
摘要 - 线性季度调节器（LQR）是线性和线性化系统的效率控制方法。典型，LQR在最小坐标（也称为广义或“关节”坐标）中实现。然而，其他坐标是可能的，最近的研究表明，在使用高维非微小状态参数化对动态系统时，可能存在数值和控制理论的优势。这样的参数化是最大坐标，其中多体系统中的每个链接都通过其整个六个自由度进行参数化，并且链接之间的关节用代数约束对其进行建模。这样的约束也可以代表封闭的运动循环或与环境接触。本文研究了最小和最大坐标LQR控制定律之间的差异。将LQR应用于简单的摆和模拟的案例研究，比较了最小和最大坐标LQR控制器的吸引力和跟踪性能的盆地，这表明与在非线性系统中应用最小值的LQR相比，最大值的LQR可实现更大的鲁棒性，并提高了更高的稳健性，并提高了跟踪性能。