RKHS数据驱动随机最优控制新方法
热点事件观察中
RKHS数据驱动随机最优控制新方法
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Nicolas Hoischen 等提出一种基于再生核希尔伯特空间（RKHS）的全数据驱动随机最优控制方法，用于动力学与阶段代价均未知、仅给定控制惩罚函数与约束的非线性 control-affine 随机扩散系统。 论文的数值结果展示了该方法在多种非线性控制任务上的能力，包括自主水下航行器的深度调节。
AI 根据报道生成 · 1 天前更新
最新进展10月12日 12:00
RKHS 中的数据驱动随机最优控制方法报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv eess.SY 系统与控制精选RKHS 中的数据驱动随机最优控制方法
论文提出一种全数据驱动的随机最优控制方法，用于动力学与阶段代价均未知的非线性 control-affine 系统，仅给定控制惩罚函数与约束。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 710月13日 00:00
- 近 24 小时变化
- -51%
02468
10月13日06:0012:0018:0010月14日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。