Buchumschlag

Topology Learning of unknown Networked Linear Dynamical System excited by Cyclostationary inputs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Doddi, Harish, Deka, Deepjyoti, Salapaka, Murti
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Information Theoretically Optimal Sample Complexity of Learning Dynamical Directed Acyclic Graphs
von: Veedu, Mishfad Shaikh, et al.
Veröffentlicht: (2023)

Function Gradient Approximation with Random Shallow ReLU Networks with Control Applications
von: Lamperski, Andrew, et al.
Veröffentlicht: (2024)

Distributed Difference of Convex Optimization
von: Khatana, Vivek, et al.
Veröffentlicht: (2024)

PPGN: Physics-Preserved Graph Networks for Real-Time Fault Location in Distribution Systems with Limited Observation and Labels
von: Li, Wenting, et al.
Veröffentlicht: (2021)

Mitigating the Impact of Uncertain Wildfire Risk on Power Grids through Topology Control
von: Zhou, Yuqi, et al.
Veröffentlicht: (2023)

Online Learning for Dynamic Constellation Topologies
von: Norberto, João, et al.
Veröffentlicht: (2026)

Watts vs. Bytes: Turning Data Centers into Grid Assets via Storage Compute Co-Optimization
von: Liu, Shaohui, et al.
Veröffentlicht: (2026)

Learning of Linear Dynamical Systems as a Non-Commutative Polynomial Optimization Problem
von: Zhou, Quan, et al.
Veröffentlicht: (2020)

SpectraLDS: Provable Distillation for Linear Dynamical Systems
von: Shah, Devan, et al.
Veröffentlicht: (2025)

A New Approach to Controlling Linear Dynamical Systems
von: Brahmbhatt, Anand, et al.
Veröffentlicht: (2025)

Learning Linear Dynamics from Bilinear Observations
von: Sattar, Yahya, et al.
Veröffentlicht: (2024)

Distributed Learning over Arbitrary Topology: Linear Speed-Up with Polynomial Transient Time
von: You, Runze, et al.
Veröffentlicht: (2025)

Sparse Graphical Linear Dynamical Systems
von: Chouzenoux, Emilie, et al.
Veröffentlicht: (2023)

Symmetric Linear Dynamical Systems are Learnable from Few Observations
von: Vu, Minh, et al.
Veröffentlicht: (2025)

Efficient Spectral Control of Partially Observed Linear Dynamical Systems
von: Brahmbhatt, Anand, et al.
Veröffentlicht: (2025)

Learning Neural Contracting Dynamics: Extended Linearization and Global Guarantees
von: Jaffe, Sean, et al.
Veröffentlicht: (2024)

Joint Learning of Linear Dynamical Systems under Smoothness Constraints
von: Tyagi, Hemant
Veröffentlicht: (2024)

A Family of Convex Models to Achieve Fairness through Dispersion Control
von: Bhadoriya, Abhay Singh, et al.
Veröffentlicht: (2025)

Data-Efficient Strategies for Probabilistic Voltage Envelopes under Network Contingencies
von: Pareek, Parikshit, et al.
Veröffentlicht: (2023)

Convergence Analysis for Learning Orthonormal Deep Linear Neural Networks
von: Qin, Zhen, et al.
Veröffentlicht: (2023)

Regret Lower Bounds for Learning Linear Quadratic Gaussian Systems
von: Ziemann, Ingvar, et al.
Veröffentlicht: (2022)

Learning Power Flow with Confidence: A Probabilistic Guarantee Framework for Voltage Risk
von: Pareek, Parikshit, et al.
Veröffentlicht: (2023)

On the Topology of Neural Network Superlevel Sets
von: Gharesifard, Bahman
Veröffentlicht: (2026)

A Parametric, Second-Order Cone Representable Model of Fairness for Decision-Making Problems
von: Sundar, Kaarthik, et al.
Veröffentlicht: (2024)

The value of storage in electricity distribution: The role of markets
von: Lauinger, Dirk, et al.
Veröffentlicht: (2025)

Optimization Insights into Deep Diagonal Linear Networks
von: Labarrière, Hippolyte, et al.
Veröffentlicht: (2024)

Gradient Descent Converges Linearly to Flatter Minima than Gradient Flow in Shallow Linear Networks
von: Beneventano, Pierfrancesco, et al.
Veröffentlicht: (2025)

Physics-Informed Graph Neural Network for Dynamic Reconfiguration of Power Systems
von: Authier, Jules, et al.
Veröffentlicht: (2023)

Incremental Correction in Dynamic Systems Modelled with Neural Networks for Constraint Satisfaction
von: Cho, Namhoon, et al.
Veröffentlicht: (2022)

Explore-then-Commit for Nonstationary Linear Bandits with Latent Dynamics
von: Choi, Sunmook, et al.
Veröffentlicht: (2025)

Sampling-based Safe Reinforcement Learning for Nonlinear Dynamical Systems
von: Suttle, Wesley A., et al.
Veröffentlicht: (2024)

Dynamic Estimation of Learning Rates Using a Non-Linear Autoregressive Model
von: Okhrati, Ramin
Veröffentlicht: (2024)

Risk-Aware Safe Reinforcement Learning for Control of Stochastic Linear Systems
von: Esmaeili, Babak, et al.
Veröffentlicht: (2025)

Learning to Sparsify Stochastic Linear Bandits
von: Wang, Zhengmiao, et al.
Veröffentlicht: (2026)

Physics-Informed Neural Networks with Hard Linear Equality Constraints
von: Chen, Hao, et al.
Veröffentlicht: (2024)

Achieving Linear Speedup for Composite Federated Learning
von: Huang, Kun, et al.
Veröffentlicht: (2026)

Stability-Constrained AC Optimal Power Flow--A Gaussian Process-Based Approach
von: Di Vito, Vincenzo, et al.
Veröffentlicht: (2025)

Online Control of Linear Systems under Unbounded Noise
von: Ito, Kaito, et al.
Veröffentlicht: (2024)

Optimal Centered Active Excitation in Linear System Identification
von: Ito, Kaito, et al.
Veröffentlicht: (2026)

Near-Optimal Distributed Linear-Quadratic Regulator for Networked Systems
von: Shin, Sungho, et al.
Veröffentlicht: (2022)