Nonlinear Estimation using Mean Field Games

Abstract : This paper introduces Mean Field Games (MFG) as a framework to develop optimal estimators in some sense for a general class of nonlinear systems. We show that under suitable conditions the estimation error converges exponentially fast to zero. Computer simulations are performed to illustrate the method. In particular we provide an example where the proposed estimator converges whereas both extended Kalman filter and particle filter diverge.
Type de document :
Communication dans un congrès
Roberto Cominetti and Sylvain Sorin and Bruno Tuffin. NetGCOOP 2011 : International conference on NETwork Games, COntrol and OPtimization, Oct 2011, Paris, France. IEEE, 2011
Liste complète des métadonnées

Littérature citée [28 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00643677
Contributeur : Ist Rennes <>
Soumis le : mardi 22 novembre 2011 - 15:33:24
Dernière modification le : samedi 2 juin 2018 - 11:24:01
Document(s) archivé(s) le : vendredi 16 novembre 2012 - 11:46:27

Fichier

3-PID2140709.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00643677, version 1

Collections

Citation

Sergio Pequito, Pedro Aguiar, Bruno Sinopoli, Diogo Gomes. Nonlinear Estimation using Mean Field Games. Roberto Cominetti and Sylvain Sorin and Bruno Tuffin. NetGCOOP 2011 : International conference on NETwork Games, COntrol and OPtimization, Oct 2011, Paris, France. IEEE, 2011. 〈hal-00643677〉

Partager

Métriques

Consultations de la notice

152

Téléchargements de fichiers

232