Copertina

The Bayesian Separation Principle for Data-driven Control

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Baggio, Giacomo, Carli, Ruggero, Grimaldi, Riccardo Alessandro, Pillonetto, Gianluigi
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Systems and Control
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A Control Theoretical Approach to Online Constrained Optimization
di: Casti, Umberto, et al.
Pubblicazione: (2023)

Multi-Agent Optimization and Learning: A Non-Expansive Operators Perspective
di: Bastianello, Nicola, et al.
Pubblicazione: (2024)

Obtaining Structural Network Controllability with Higher-Order Local Dynamics
di: Peruzzo, Marco, et al.
Pubblicazione: (2025)

Finding Conditions for Target Controllability under Christmas Trees
di: Peruzzo, Marco, et al.
Pubblicazione: (2025)

Harnessing Uncertainty for a Separation Principle in Direct Data-Driven Predictive Control
di: Chiuso, Alessandro, et al.
Pubblicazione: (2023)

Adaptive Robust Controller for handling Unknown Uncertainty of Robotic Manipulators
di: Abdelwahab, Mohamed, et al.
Pubblicazione: (2024)

How Complex is a Complex Network? Insights from Linear Systems Theory
di: Baggio, Giacomo, et al.
Pubblicazione: (2025)

Controllable Neural Architectures for Multi-Task Control
di: Casti, Umberto, et al.
Pubblicazione: (2025)

Learning Stack-of-Tasks Management for Redundant Robots
di: Adami, Alessandro, et al.
Pubblicazione: (2025)

Data-driven Power Loss Identification through Physics-Based Thermal Model Backpropagation
di: Scarpa, Mattia, et al.
Pubblicazione: (2025)

A Stochastic Operator Framework for Optimization and Learning with Sub-Weibull Errors
di: Bastianello, Nicola, et al.
Pubblicazione: (2021)

A Robust Controller based on Gaussian Processes for Robotic Manipulators with Unknown Uncertainty
di: Giacomuzzo, Giulio, et al.
Pubblicazione: (2025)

Guided Multi-Fidelity Bayesian Optimization for Data-driven Controller Tuning with Digital Twins
di: Nobar, Mahdi, et al.
Pubblicazione: (2025)

EASE: Energy-Aware Job Scheduling for Vehicular Edge Networks With Renewable Energy Resources
di: Perin, Giovanni, et al.
Pubblicazione: (2021)

Data-driven Distributionally Robust Control Based on Sinkhorn Ambiguity Sets
di: Cescon, Riccardo, et al.
Pubblicazione: (2025)

Functional Controllability, Functional Stabilizability, and the Generalized Separation Principle
di: Fernando, Tyrone, et al.
Pubblicazione: (2025)

Submodular Multi-Agent Policy Learning for Online Distributed Task Allocation in Open Multi-Agent Systems
di: Liu, Jing, et al.
Pubblicazione: (2026)

Optimal Pinning Control for Synchronization over Temporal Networks
di: S, Aandrew Baggio, et al.
Pubblicazione: (2024)

Data-driven Interval MDP for Robust Control Synthesis
di: Coppola, Rudi, et al.
Pubblicazione: (2024)

Distributed Nonlinear Model Predictive Control for District Heating Networks
di: Bettoni, Alessandro, et al.
Pubblicazione: (2026)

Safety-Critical Control on Lie Groups Using Energy-Augmented Zeroing Control Barrier Functions
di: Letti, Alessandro, et al.
Pubblicazione: (2025)

Geometric SSM: LTI State Space Models for Selective Tasks
di: Casti, Umberto, et al.
Pubblicazione: (2025)

A Black-Box Physics-Informed Estimator based on Gaussian Process Regression for Robot Inverse Dynamics Identification
di: Giacomuzzos, Giulio, et al.
Pubblicazione: (2023)

Energy Control of Grid-forming Energy Storage based on Bandwidth Separation Principle
di: Sun, Chu, et al.
Pubblicazione: (2024)

Sub-optimality of the Separation Principle for Quadratic Control from Bilinear Observations
di: Sattar, Yahya, et al.
Pubblicazione: (2025)

Data-driven Bayesian estimation of Monod kinetics
di: Colin, Kévin, et al.
Pubblicazione: (2024)

Continuous-time Data-driven Barrier Certificate Synthesis
di: Rickard, Luke, et al.
Pubblicazione: (2025)

Localized Data-driven Consensus Control
di: Chang, Zeze, et al.
Pubblicazione: (2024)

Joint torques prediction of a robotic arm using neural networks
di: d'Addato, Giulia, et al.
Pubblicazione: (2024)

A Nonlinear Separation Principle via Contraction Theory: Applications to Neural Networks, Control, and Learning
di: Gokhale, Anand, et al.
Pubblicazione: (2026)

Data-driven Dynamic Event-triggered Control
di: Xu, Tao, et al.
Pubblicazione: (2024)

Data-driven Control Against False Data Injection Attacks
di: Liu, Wenjie, et al.
Pubblicazione: (2023)

Data-Enabled Predictive Iterative Control
di: Zhang, Kai, et al.
Pubblicazione: (2024)

Set-Theoretic Direct Data-driven Predictive Control
di: Bajelani, Mohammad, et al.
Pubblicazione: (2024)

MPC-guided, Data-driven Fuzzy Controller Synthesis
di: Salazar, Juan Augusto Paredes, et al.
Pubblicazione: (2024)

Data-driven Internal Model Control for Output Regulation
di: Liu, Wenjie, et al.
Pubblicazione: (2025)

Data-driven Model Predictive Control using MATLAB
di: Augustine, Midhun T.
Pubblicazione: (2025)

An Online Adaptation Strategy for Direct Data-driven Control
di: Teutsch, Johannes, et al.
Pubblicazione: (2023)

Safe and Efficient Data-driven Connected Cruise Control
di: Xiao, Haosong, et al.
Pubblicazione: (2025)

A Bayesian Interpretation of the Internal Model Principle
di: Baltieri, Manuel, et al.
Pubblicazione: (2025)