Key points are not available for this paper at this time.
Dieses Papier präsentiert eine Konvergenzanalyse eines neuartigen datengestützten Regelungsalgorithmus, der für die Generierung von Online-Regelungen basierend auf partielle, rauschbehaftete Beobachtungsdaten entwickelt wurde. Der Algorithmus umfasst eine partikelgefilterte zustandsabschätzende Komponente, die den Zustand des gesteuerten Systems über indirekte Beobachtungen schätzt, sowie einen effizienten stochastischen Optimalkontrollalgorithmus vom Typ Maximum-Prinzip. Durch die Integration von Techniken der schwachen Konvergenz für den Partikelfilter mit der Konvergenzanalyse für den stochastischen Optimalkontrollalgorithmus leiten wir ein Ergebnis zur schwachen Konvergenz für das Optimierungsverfahren ab, das nach optimalen datengestützten Regelungen sucht. Numerische Experimente werden durchgeführt, um die theoretischen Ergebnisse zu validieren.
Liang et al. (Mittwoch) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: