Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloA statistical learning theory approach for uncertain linear and bilinear matrix inequalities
Anno di pubblicazione2014
Formato-
Autore/iChamanbaz M.; Dabbene F.; Tempo R.; Venkataramanan V.; Wang Q.-G.
Affiliazioni autoriCNR-IEIIT, Politecnico di Torino, Torino 10129, Italy; Data Storage Institute, Singapore; Department of Electrical and Computer Engineering, National University of Singapore, Singapore
Autori CNR e affiliazioni
  • FABRIZIO DABBENE
  • ROBERTO TEMPO
Lingua/e
  • inglese
AbstractIn this paper, we consider the problem of minimizing a linear functional subject to uncertain linear and bilinear matrix inequalities, which depend in a possibly nonlinear way on a vector of uncertain parameters. Motivated by recent results in statistical learning theory, we show that probabilistic guaranteed solutions can be obtained by means of randomized algorithms. In particular, we show that the Vapnik-Chervonenkis dimension (VC-dimension) of the two problems is finite, and we compute upper bounds on it. In turn, these bounds allow us to derive explicitly the sample complexity of these problems. Using these bounds, in the second part of the paper, we derive a sequential scheme, based on a sequence of optimization and validation steps. The algorithm is on the same lines of recent schemes proposed for similar problems, but improves both in terms of complexity and generality. The effectiveness of this approach is shown using a linear model of a robot manipulator subject to uncertain parameters. © 2014 Elsevier Ltd. All rights reserved.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da-
Pagine a-
Pagine totali-
RivistaAutomatica (Oxf.)
Attiva dal 1963
Editore: Pergamon, - Oxford [etc.]
Paese di pubblicazione: Regno Unito
Lingua: multilingue
ISSN: 0005-1098
Titolo chiave: Automatica (Oxf.)
Titolo proprio: Automatica (Oxf.)
Titolo abbreviato: Automatica (Oxf.)
Numero volume della rivista-
Fascicolo della rivista-
DOI10.1016/j.automatica.2014.04.005
Verificato da referee-
Stato della pubblicazione-
Indicizzazione (in banche dati controllate)
  • Scopus (Codice:2-s2.0-84898698738)
Parole chiaveProbabilistic design, Randomized algorithms, Statistical learning theory, Uncertain linear/bilinear matrix inequality, Vapnik-Chervonenkis dimension
Link (URL, URI)http://www.scopus.com/inward/record.url?eid=2-s2.0-84898698738&partnerID=q2rCbXpz
Titolo parallelo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • IEIIT — Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni
Moduli CNR
  • ICT.P07.019.001 : Tecnologie per il controllo su reti di telecomunicazioni
Progetti Europei-
Allegati