de.mpg.escidoc.pubman.appbase.FacesBean
Deutsch
 
Hilfe Wegweiser Datenschutzhinweis Impressum Kontakt
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT

Freigegeben

Konferenzbeitrag

Adaptive, Cautious, Predictive control with Gaussian Process Priors

MPG-Autoren
http://pubman.mpdl.mpg.de/cone/persons/resource/persons84156

Sbarbaro D, Rasmussen,  CE
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;

Externe Ressourcen
Es sind keine Externen Ressourcen verfügbar
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Murray-Smith, R., Sbarbaro D, Rasmussen, C., & Girard, A. (2003). Adaptive, Cautious, Predictive control with Gaussian Process Priors. In Proceedings of the 13th IFAC Symposium on System Identification (pp. 1195-1200).


Zitierlink: http://hdl.handle.net/11858/00-001M-0000-0013-DBF8-F
Zusammenfassung
Nonparametric Gaussian Process models, a Bayesian statistics approach, are used to implement a nonlinear adaptive control law. Predictions, including propagation of the state uncertainty are made over a k-step horizon. The expected value of a quadratic cost function is minimised, over this prediction horizon, without ignoring the variance of the model predictions. The general method and its main features are illustrated on a simulation example.