XiaoMi-AI文件搜索系统
World File Search SystemLyapunov
节能边缘计算：当Lyapunov符合分布的强化学习
摘要 - 在这项工作中，我们研究了通过边缘计算启用的流量计算的能量计算的问题。在考虑的情况下，多个用户同时竞争有限的无线电和边缘计算资源，以在延迟约束下处理经过处理的流量任务，并有可能利用所有网络节点的低功率睡眠模式。无线电资源分配考虑了细胞间和细胞内干扰，并且必须共同优化无线电和计算设备的职责周期，以最大程度地减少整体能源消耗。为了解决这个问题，我们将基本问题提出为动态的长期优化。然后，基于Lyapunov随机优化工具，我们将该法式问题与CPU调度问题和无线电资源分配问题分配为每插槽。虽然第一个可以使用快速迭代算法来最佳且有效地解决，但第二个可以使用分布式的多代理增强式学习来解决第二个算法，因为其非凸性和NP固定度。所得框架最多可实现96。基于详尽搜索的最佳策略的5％性能，同时大大降低了复杂性。与基准启发式方法相比，提出的解决方案还允许提高网络的能量效率。
基于李雅普诺夫理论的多端MMC-HVDC系统控制策略
Reza Janbazi Ghadi 1、Majid Mehrasa 2*、Erfan Azimi 1、M. Ebrahim Adabi 3、Seddik Bacha 4 1：伊朗矿山和采矿业发展和革新组织（IMIDRO） 2：意大利的里雅斯特大学工程与建筑系，的里雅斯特 3：荷兰代尔夫特理工大学电气可持续能源系智能电网。 4：格勒诺布尔阿尔卑斯大学，CNRS，格勒诺布尔 INP（格勒诺布尔阿尔卑斯大学工程学院），G2Elab，38000 格勒诺布尔，法国
使用Lyapunov函数
摘要。这项研究研究了非线性系统的稳定性，尤其是特征值所特征的系统。我们引入动态Lyapunov作为稳定性分析的机制，尤其是在没有明确解决方案的情况下。作者在平衡点提供了稳定标准，证明了指数稳定性并确保在干扰后恢复平衡。结果对控制系统的设计和分析具有很大的影响，因为它们提供了一种新的方法来实现稳定性，而无需使用复杂的计算或假设。摘要描绘了Riemann – Liouville分数积分，Caputo分数积分和衍生物以及Mittag -Leffler函数。该研究采用了根 - 荷威族人的标准，并引入了超偶然陈系统的新表述。分数超链系统（FHC）代表了一个复杂的研究框架。
COBL扩散：使用控制屏障和Lyapunov功能在动态环境中基于扩散的条件机器人计划
抽象 - 装备自主机器人，能够在人类周围安全有效地导航的能力是迈向实现可信赖的机器人自治的关键一步。但是，在确保动态多机构环境中的安全性的同时生成机器人计划仍然是一个关键挑战。基于最新的工作，以利用深层生成模型在静态环境中进行机器人计划，本文提出了Cobl-Diffusion，这是一种基于扩散的新型安全机器人计划器，用于动态环境。COBL扩散使用控制屏障和Lyapunov函数来指导扩散模型的固定过程，迭代地完善了机器人控制序列以满足安全性和稳定性约束。我们使用两个设置证明了COBL扩散的有效性：合成单位环境和现实世界中的行人数据集。我们的结果表明，COBL扩散会产生平滑的轨迹，使机器人能够到达目标位置，同时保持低碰撞速率，并具有动态障碍。
Lyapunov引导的深度加强学习，用于语义意识到的AOI最小化，在UAV辅助无线网络中
摘要 - 该论文研究了一个无人驾驶汽车（UAV）辅助语义网络，地面用户（GUS）通过无人机的继电器定期将传感信息定期捕获到基站（BS）。GUS和UAV都可以从大型原始数据中提取语义信息，并将其传输到BS以恢复。较小尺寸的语义信息可降低延迟并改善信息新鲜度，而较大尺寸的语义信息可以在BS上进行更准确的数据重建，从而保留原始信息的价值。我们引入了一种新颖的语义感知年龄（SAOI）度量，以捕获信息的新鲜度和语义重要性，然后通过共同优化UAV-GU关联，语义提取，以及UAV的轨迹来提出时间平均的SAOI最小化问题。我们通过Lyapunov框架将原始问题分解为一系列子问题，然后使用层次深度强化学习（DRL）来解决每个子问题。具体来说，UAV-GU关联由DRL确定，然后是更新语义提取策略和无人机部署的优化模块。仿真结果表明，层次结构提高了学习效率。此外，它通过语义提取可实现较低的AOI，同时确保最小的原始信息丢失，表现优于现有基准。
sachdev- ...
最近提出的在Lyapunov指数上的通用结合的饱和已被猜想，以表明存在重力双重。这种饱和发生在密集的sachdev-ye-kitaev（Syk）模型的低温极限中，n majorana fermions具有q身体（q> 2）无限范围相互作用。我们计算了高度稀疏的Syk模型的N≤64费米子的某些耗时相关因子（OTOC），并且在汉密尔顿分解为块中的稀疏度到接近渗透极限的稀疏度中没有明显的依赖性。这为Lyapunov指数在稀疏SYK的低温极限中的饱和提供了强有力的支持。达到N¼64的关键要素是新型量子自旋模型仿真库的开发，该库在图形处理单元上实现了高度优化的无基质Krylov子空间方法。这会导致使用适度的计算资源的模拟时间明显降低，并大大减少了以前的方法的内存使用情况。强烈的稀疏驱动统计波动既需要使用大量的疾病实现，又需要使用大量的疾病实现，也需要仔细的有限尺寸缩放分析。稀疏SYK中结合的饱和指向存在一个重力类似物，该重力类似物将大大扩大具有此特征的场理论的数量。
用Lyapunov屏障证书正式验证深钢筋学习控制器
摘要 - 深处增强学习（DRL）是一种强大的机器学习范式，用于生成控制自主系统的代理。但是，DRL代理的“黑匣子”性质限制了其在现实世界中关键应用程序中的部署。为代理行为提供强大保证的一种有前途的方法是使用神经Lyapunov屏障（NLB）证书，该证书是通过系统中学的功能，其属性间接地暗示着代理的行为。但是，基于NLB的证书通常很难学习，甚至更难验证，尤其是对于复杂的系统。在这项工作中，我们提出了一种新颖的方法，用于培训和验证基于NLB的离散时间系统证书。具体来说，我们引入了一种证书组成的技术，该技术通过策略性地设计一系列证书来简化高度复杂系统的验证。当通过神经网络验证引擎共同验证时，这些证书提供了正式的保证，即DRL代理都实现了其目标并避免了不安全的行为。此外，我们引入了一种用于证书过滤的技术，该技术大大简化了生成正式验证的证书的过程。我们通过案例研究证明了我们的方法的优点，该案例研究为DRL控制的航天器提供了安全性和livesice保证。
基于复合切换李雅普诺夫函数的直流控制...
摘要：可再生能源在追求可持续和环保的电力解决方案中发挥着关键作用。它们在提供环境效益的同时，也带来了固有的挑战。光伏系统依赖于周围条件，风力发电系统要应对变化的风速，燃料电池既昂贵又低效。此外，可再生能源 (RES) 注入的能量表现出不可预测的行为。为了解决这些问题，研究人员采用了各种电力电子设备和转换器，如逆变器、电能质量滤波器和 DC-DC 斩波器。其中，DC-DC 转换器因有效调节直流电压和提高 RES 效率而脱颖而出。精心选择合适的 DC-DC 转换器，再加上高效的控制技术，会显著影响整个电力系统的性能。本文介绍了一种设计 DC-DC 转换器开关控制器的新方法，专门用于可再生能源系统。所提出的控制器利用复合切换李亚普诺夫函数 (CSLF) 的强大功能来提高 DC-DC 转换器的效率和性能，解决可再生能源带来的独特挑战。通过全面的分析和仿真，本研究证明了该控制器在优化电力传输、提高稳定性和确保在各种可再生能源环境中可靠运行方面的有效性。此外，还介绍了小型 DC-DC 转换器实验的结果，以确认和验证所提方案的实际适用性。
无源耐受性的增强神经Lyapunov控制法律的系统综合非线性系统
摘要 - 执行器故障可能会危害控制系统的性能和闭环稳定性。执行器与适当控制定律结合使用可以提高系统对效率丧失或障碍的弹性。被动故障控制（FTC）系统旨在设计独特的控制定律，并在名义和故障场景中保证稳定性。在这项工作中，一种新型基于机器学习的方法是为由执行器故障影响的系统系统合成控制法的，同时正式认证闭环稳定性的。学习体系结构训练两个人工神经网络，一个代表控制定律，另一个类似于控制Lyapunov功能（CLF）。同时，使用满意度模型理论求解器来证明所获得的CLF正式保证Lyapunov条件。该方法用于两种情况，一种涵盖了具有冗余执行器的倒摆的稳定，而另一种则涵盖了自主水下车辆的控制。该框架显示能够通过最小的高参数调整以及有限的计算资源来合成线性和非线性控制定律。
具有不确定动力学的四四重无人机的安全导航，并保证使用屏障Lyapunov功能避免碰撞
在本文中，在存在干扰，静止和移动的障碍物的情况下，考虑了四摩托无人机（UAV）的安全自动运动控制。在这方面，我们直接将一种分析控制设计方法（在后台框架内）结合在一起，并避免了解决导航问题的障碍。将屏障Lyapunov功能（BLF）纳入了翻译控制中，以使车辆远离安全球，并在障碍物周围构建，同时将其转向所需的位置。BLF允许将障碍物位置直接包含在控制设计中。这是针对已知和未知障碍速度的情况而实现的。此外，在分析中解决了任意初始条件的问题，并从安全领域进行了预先分配的时间。我们还考虑了避免机会约束碰撞的情况。所提出的方法导致了计算上有效的设计，因为获得了控制的封闭形式，而无需实时优化。更重要的是，可以保证闭环系统的分析稳定性。在存在干扰的情况下，设计了一个层次控制结构，具有无适应性模型控制，用于未知态度动力学。进行了许多数值模拟，以评估所提出方法的有效性。