Buchumschlag

Learning to optimize with convergence guarantees using nonlinear system theory

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Martin, Andrea, Furieri, Luca
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Systems and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to optimize with guarantees: a complete characterization of linearly convergent algorithms
von: Martin, Andrea, et al.
Veröffentlicht: (2025)

Distributed Control of Network Systems in the Space of Stabilizing Graph Neural Network Policies
von: Cao, John, et al.
Veröffentlicht: (2025)

MAD: A Magnitude And Direction Policy Parametrization for Stability Constrained Reinforcement Learning
von: Furieri, Luca, et al.
Veröffentlicht: (2025)

Learning to Boost the Performance of Stable Nonlinear Systems
von: Furieri, Luca, et al.
Veröffentlicht: (2024)

Learning to accelerate Krasnosel'skii-Mann fixed-point iterations with guarantees
von: Martin, Andrea, et al.
Veröffentlicht: (2026)

Characterizing all locally exponentially stabilizing controllers as a linear feedback plus learnable nonlinear Youla dynamics
von: Furieri, Luca
Veröffentlicht: (2026)

Automatic nonlinear MPC approximation with closed-loop guarantees
von: Tokmak, Abdullah, et al.
Veröffentlicht: (2023)

Robust optimization for adversarial learning with finite sample complexity guarantees
von: Bertolace, André, et al.
Veröffentlicht: (2024)

End-to-end guarantees for indirect data-driven control of bilinear systems with finite stochastic data
von: Chatzikiriakos, Nicolas, et al.
Veröffentlicht: (2024)

A graph-informed regret metric for optimal distributed control
von: Martinelli, Daniele, et al.
Veröffentlicht: (2025)

Unconstrained learning of networked nonlinear systems via free parametrization of stable interconnected operators
von: Massai, Leonardo, et al.
Veröffentlicht: (2023)

Tradeoffs between convergence rate and noise amplification for momentum-based accelerated optimization algorithms
von: Mohammadi, Hesameddin, et al.
Veröffentlicht: (2022)

Learning Over-Relaxation Policies for ADMM with Convergence Guarantees
von: Lin, Junan, et al.
Veröffentlicht: (2026)

Finite-sample guarantees for data-driven forward-backward operator methods
von: Fabiani, Filippo, et al.
Veröffentlicht: (2025)

Direct transfer of optimized controllers to similar systems using dimensionless MPC
von: Hromatko, Josip Kir, et al.
Veröffentlicht: (2025)

A universal policy wrapper with guarantees
von: Bolychev, Anton, et al.
Veröffentlicht: (2025)

Efficient identification of linear, parameter-varying, and nonlinear systems with noise models
von: Bemporad, Alberto, et al.
Veröffentlicht: (2025)

Closing the Gap to Quadratic Invariance: a Regret Minimization Approach to Optimal Distributed Control
von: Martinelli, Daniele, et al.
Veröffentlicht: (2023)

Linear quadratic control of nonlinear systems with Koopman operator learning and the Nyström method
von: Caldarelli, Edoardo, et al.
Veröffentlicht: (2024)

Efficient model predictive control for nonlinear systems modelled by deep neural networks
von: Lan, Jianglin
Veröffentlicht: (2024)

Counterfactual optimization for fault prevention in complex wind energy systems
von: Carrizosa, Emilio, et al.
Veröffentlicht: (2025)

SafEDMD: A Koopman-based data-driven controller design framework for nonlinear dynamical systems
von: Strässer, Robin, et al.
Veröffentlicht: (2024)

Stabilization of nonlinear systems with unknown delays via delay-adaptive neural operator approximate predictors
von: Bhan, Luke, et al.
Veröffentlicht: (2025)

An L-BFGS-B approach for linear and nonlinear system identification under $\ell_1$ and group-Lasso regularization
von: Bemporad, Alberto
Veröffentlicht: (2024)

Learning mechanical systems from real-world data using discrete forced Lagrangian dynamics
von: Hansen, Martine Dyring, et al.
Veröffentlicht: (2025)

Promises of Deep Kernel Learning for Control Synthesis
von: Reed, Robert, et al.
Veröffentlicht: (2023)

FNO$^{\angle θ}$: Extended Fourier neural operator for learning state and optimal control of distributed parameter systems
von: Li, Zhexian, et al.
Veröffentlicht: (2026)

Data-Assimilated Model-Based Reinforcement Learning for Partially Observed Chaotic Flows
von: Ozan, Defne E., et al.
Veröffentlicht: (2025)

Koopman-based control of nonlinear systems with closed-loop guarantees
von: Strässer, Robin, et al.
Veröffentlicht: (2024)

Delay compensation of multi-input distinct delay nonlinear systems via neural operators
von: Bajraktari, Filip, et al.
Veröffentlicht: (2025)

Data-assimilated model-informed reinforcement learning
von: Ozan, Defne E., et al.
Veröffentlicht: (2025)

Regret Optimal Control for Uncertain Stochastic Systems
von: Martin, Andrea, et al.
Veröffentlicht: (2023)

Smart energy management: process structure-based hybrid neural networks for optimal scheduling and economic predictive control in integrated systems
von: Wu, Long, et al.
Veröffentlicht: (2024)

Convergence and stability of Q-learning in Hierarchical Reinforcement Learning
von: Manenti, Massimiliano, et al.
Veröffentlicht: (2025)

Proximal basin hopping: global optimization with guarantees
von: Lauga, Guillaume, et al.
Veröffentlicht: (2026)

A novel ML-fuzzy control system for optimizing PHEV fuel efficiency and extending electric range under diverse driving conditions
von: Raeesi, Mehrdad, et al.
Veröffentlicht: (2024)

Interpretable machine-learning for predicting molecular weight of PLA based on artificial bee colony optimization algorithm and adaptive neurofuzzy inference system
von: Masoumi, Amir Pouya, et al.
Veröffentlicht: (2025)

Suppressing unknown disturbances to dynamical systems using machine learning
von: Restrepo, Juan G., et al.
Veröffentlicht: (2023)

Bridging conformal prediction and scenario optimization
von: O'Sullivan, Niall, et al.
Veröffentlicht: (2025)

Semi-definite programs for online control of nonlinear systems with stability guarantees
von: Dai, Xiaoyan
Veröffentlicht: (2026)