RobustLDS：在对抗性污染下学习线性动态系统
RobustLDS: Learning linear dynamical systems under adversarial corruptions
精选理由
提出抗对抗污染的线性系统学习方法，并证明异常数据下的辨识鲁棒性。
AI 摘要
arXiv:2610.11906v1 发布类型：cross 摘要：我们研究了这样一个问题：从一条长度为 $T$ 的轨迹中，在对抗性污染条件下学习线性动态系统。尽管线性动态系统的辨识本身已经得到了广泛研究，但在对抗性污染下进行鲁棒系统辨识的研究相对较少。在本文中，我们研究了 $T$ 个观测中有一部分受到对抗性离群值污染的情形。我们提出了基于最小截尾二乘法松弛的不同估计器，以及一种交替最小化算法。此外，我们还提出了两种利用离群值组稀疏性（通过惩罚项/硬约束）的估计器。对于采用组稀疏惩罚的估计器，我们推导出了非渐近误差界，证明了其对离群值的鲁棒性。我们还通过实验证明，所提出的估计器在实践中表现良好。