Gaussian Processes in Control: Performance Guarantees through Efficient Learning

Lederer, Armin

Armin Lederer

If you experience problems opening the document, please try this link.

Original title:: Gaussian Processes in Control: Performance Guarantees through Efficient Learning
Translated title:: Gauß-Prozesse in der Regelung: Performanzgarantien durch effizientes Lernen
Author:: Lederer, Armin
Year:: 2023
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Hirche, Sandra (Prof. Dr.)
Referee:: Hirche, Sandra (Prof. Dr.); Krause, Andreas (Prof. Dr.); Jones, Colin (Prof. Dr.)
Language:: en
Subject group:: MSR Meßtechnik, Steuerungs- und Regelungstechnik, Automation
Keywords:: learning control; Gaussian processes; safe learning; online learning; distributed learning; learning control architectures; data-driven control; efficient learning
Translated keywords:: lernende Regelung; Gauß-Prozesse; sicheres Lernen; online Lernen; verteiltes Lernen; Architekturen für lernende Regelung; daten-getriebene Regelung; effizientes Lernen
TUM classification:: MSR 550
Abstract:: While Gaussian process (GP) models promise to enable learning control, their application creates theoretical and practical issues. In this thesis, theoretical challenges are addressed through the derivation of accuracy guarantees for GP-based controllers. The improvement with suitable training data is proven. Concerning the practical issues, an approximation for GP-based online learning is proposed and demonstrated in experiments.
Translated abstract:: Gauß-Prozess (GP) Modelle versprechen zwar eine lernende Regelung zu ermöglichen, ihre Anwendung wirft jedoch theoretische und praktische Probleme auf. In dieser Arbeit werden die theoretischen Herausforderungen durch die Herleitung von Genauigkeitsgarantien für GP-basierte Regler angegangen. Die Verbesserung mit geeigneten Trainingsdaten wird bewiesen. Im Hinblick auf die praktischen Probleme wird eine Approximation für GP-basiertes Online-Lernen vorgeschlagen und in Experimenten demonstriert.
WWW:: https://mediatum.ub.tum.de/?id=1700242
Date of submission:: 22.02.2023
Oral examination:: 12.06.2023
File size:: 6248021 bytes
Pages:: 219
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230612-1700242-1-6
Last change:: 11.08.2023
BibTeX