論文検索サイト

システム/制御/情報 Vol. 33 (2020), No. 12

ISIJ International
belloff
オンライン版ISSN: 2185-811X
冊子版ISSN: 1342-5668
発行機関: THE INSTITUTE OF SYSTEMS, CONTROL AND INFORMATION ENGINEERS (ISCIE)

Backnumber

  1. Vol. 37 (2024)

  2. Vol. 36 (2023)

  3. Vol. 35 (2022)

  4. Vol. 34 (2021)

  5. Vol. 33 (2020)

  6. Vol. 32 (2019)

  7. Vol. 31 (2018)

  8. Vol. 30 (2017)

  9. Vol. 29 (2016)

  10. Vol. 28 (2015)

  11. Vol. 27 (2014)

  12. Vol. 26 (2013)

  13. Vol. 25 (2012)

  14. Vol. 24 (2011)

  15. Vol. 23 (2010)

  16. Vol. 22 (2009)

  17. Vol. 21 (2008)

  18. Vol. 20 (2007)

  19. Vol. 19 (2006)

  20. Vol. 18 (2005)

  21. Vol. 17 (2004)

  22. Vol. 16 (2003)

  23. Vol. 15 (2002)

  24. Vol. 14 (2001)

  25. Vol. 13 (2000)

  26. Vol. 12 (1999)

  27. Vol. 11 (1998)

  28. Vol. 10 (1997)

  29. Vol. 9 (1996)

  30. Vol. 8 (1995)

  31. Vol. 7 (1994)

  32. Vol. 6 (1993)

  33. Vol. 5 (1992)

  34. Vol. 4 (1991)

  35. Vol. 3 (1990)

  36. Vol. 2 (1989)

  37. Vol. 1 (1988)

システム/制御/情報 Vol. 33 (2020), No. 12

カーネル密度推定とガウス過程を用いた非線形・非ガウスシステムの確率的モデリング

金田 泰昌, 鈴木 聡, 入月 康晴

pp. 303-313

抄録

Recently, in order to model systems with uncertainty, probabilistic modeling with conditional probability distribution are widely noticed. Modeling the systems as probability density function enables us to apply strategies considering unsertainty to control systems. One of the most famous modeling methods is Gaussian process regression (GPR). GPR is often used in the field of control systems and its effectiveness is demonstrated in many papers. However, since GPR can represent only Gaussian distribution, GPR cannot always achieve good performances for systems under nonGaussian noise. This paper focuses on kernel density estimation that can approximate arbitrary probability distributions and proposes a probabilistic modeling method for non-Gaussian systems including ones with dynamic characteristics. At that time, a proposed method assumes that measurement is written as a sum of noise and function. Moreover, a prior distribution of the function assumes to be Gaussian. Under the assumption, the proposed method estimates the function as hidden variables by variational Bayes methods. The proposed method can model arbitrary probability density function for single output systems from data. Numerical simulations demonstrate the effectiveness of the proposed method.

ブックマーク

SNSによる共有

論文タイトル

カーネル密度推定とガウス過程を用いた非線形・非ガウスシステムの確率的モデリング

経路予測の不確かさを考慮した移動ロボットの能動的センシングと制御

北岡 知大, 南 裕樹, 石川 将人

pp. 314-316

ブックマーク

SNSによる共有

論文タイトル

経路予測の不確かさを考慮した移動ロボットの能動的センシングと制御

実時間学習に向けた知識転移による二輪ロボットの学習時間の削減

小谷 直樹

pp. 317-319

ブックマーク

SNSによる共有

論文タイトル

実時間学習に向けた知識転移による二輪ロボットの学習時間の削減

この機能はログイン後に利用できます。
下のボタンをクリックしてください。

詳細検索

論文タイトル

著者

抄録

ジャーナル名

出版日を西暦で入力してください(4桁の数字)。

検索したいキーワードを入力して下さい