¿Cuál es la mejor manera de abordar el aprendizaje de los sistemas de ‘control inteligente’?

Answer 1

Hola, tengo una red neuronal y un modelo de perspectiva de control predictivo sobre esto. Encuentre un sistema de estado de estado de referencia simple \ problema (doble integrador) e implemente tantos algoritmos como pueda. Comience con un IP simple, que luego servirá como una línea de base. Use algoritmos convexos (MPC) siempre que pueda. Estos a menudo tienen garantías de viabilidad y estabilidad recursivas. Si tiene un problema no convexo, intente con muchos enfoques MPC no lineales; conferencias, problemas y soluciones están disponibles en los cursos de verano nmpc del proyecto EU TEMPO. Los corses clásicos de MPC son numerosos, por ejemplo, el grupo ETH. Si está resolviendo problemas de mpc estocásticos consulte al prof. Las conferencias de Mark Cannons. Evite problemas no convexos siempre que pueda, es decir, redes neuronales, ya que muchos algoritmos que utilizan las garantías de falta de nn. Lee artículos, usa matlab, yalmip y cvx. Yo podría continuar un rato 🙂