LEARNING
数据驱动的无评判策略迭代用于连续时间线性二次调节
Jiacheng Wu, Yang Zhu, Hongye Su
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文针对未知系统矩阵的连续时间线性二次调节问题，提出了一种无需评判器回归的策略迭代方法，通过锚定Riccati方程和端点零空间投影消除值矩阵项，仅使用输入-状态数据即可直接更新反馈增益。该方法保留了Kleinman迭代的稳定性和收敛性，同时降低了数据秩条件要求。
关键词
policy iterationlinear quadratic regulationdata-driven controlcritic-freecontinuous-time systems
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018