会员服务
自适应系统，在AI中，多指富有变化的系统，能随着环境的改变而进行自适应改变，一般这样的系统多采取自适应机器学习方法。
AMP in the wild: Learning robust, agile, natural legged locomotion skills
Arxiv
0+阅读 · 2023年4月21日
Dealing with Drift of Adaptation Spaces in Learning-based Self-Adaptive Systems using Lifelong Self-Adaptation
Arxiv
0+阅读 · 2023年4月19日
Topological Guided Actor-Critic Modular Learning of Continuous Systems with Temporal Objectives
Arxiv
0+阅读 · 2023年4月20日
Learning Representative Trajectories of Dynamical Systems via Domain-Adaptive Imitation
Arxiv
0+阅读 · 2023年4月19日
Critical Sampling for Robust Evolution Operator Learning of Unknown Dynamical Systems
Arxiv
0+阅读 · 2023年4月15日
Safe Learning-Based Control of Elastic Joint Robots via Control Barrier Functions
Arxiv
0+阅读 · 2023年4月14日
OKRidge: Scalable Optimal k-Sparse Ridge Regression for Learning Dynamical Systems
Arxiv
0+阅读 · 2023年4月13日
Convolutional Neural Networks as 2-D systems
Arxiv
0+阅读 · 2023年4月11日
Hazard Analysis for Self-Adaptive Systems Using System-Theoretic Process Analysis
Arxiv
0+阅读 · 2023年4月1日
Controllable Video Generation by Learning the Underlying Dynamical System with Neural ODE
Arxiv
0+阅读 · 2023年4月4日
Data-Driven Control with Inherent Lyapunov Stability
Arxiv
0+阅读 · 2023年4月4日
Data-driven abstractions via adaptive refinements and a Kantorovich metric [extended version]
Arxiv
0+阅读 · 2023年4月3日
Max-Plus Synchronization in Decentralized Trading Systems
Arxiv
0+阅读 · 2023年4月1日
How Can Mixed Reality Benefit From Physiologically-Adaptive Systems? Challenges and Opportunities for Human Factors Applications
Arxiv
0+阅读 · 2023年3月31日
Universality and Control of Fat Tails
Arxiv
0+阅读 · 2023年3月30日
参考链接
父主题
机器学习
微信扫码咨询专知VIP会员
Top