Kyoto大学Toshiyuki：快速复杂控制系统的实时优化，133页ppt

【导读】NeurIPS，全称神经信息处理系统大会（Conference and Workshop on Neural Information Processing Systems），作为关于机器学习和计算神经科学的国际会议，每年固定在12月举行，由NIPS基金会主办。NeurIPS是机器学习领域的顶级会议 ，是神经计算方面最好的会议之一 。在中国计算机学会的国际学术会议排名中，NeurIPS为人工智能领域的A类会议。NeurIPS 2021将于12月6日-12月14日在加拿大蒙特利尔采用线上线下结合的方式举办。

来自Kyoto大学Toshiyuki：控制系统导论，133页ppt，值的关注！

快速复杂控制系统的实时优化

控制系统是使汽车、机器人和制造过程等动力系统实现理想行为的机制;虽然看不见，但它们往往是我们日常生活中必不可少的。控制工程涉及控制系统的分析和设计，最优控制是控制工程中的重要问题之一。在最优控制问题中，在给定约束条件下，控制输入以最小化代价函数为目标。即使已知控制系统的数学模型，由于大量的计算或数据存储，通常很难找到其最优控制输入，几十年来，开发高效的最优控制问题算法一直是一个活跃的研究领域。在动态系统数学模型未知的情况下，通过自适应或学习实现动态系统的最优控制具有挑战性;此外，开发实用的未知动力系统最优控制方法是控制工程和机器学习的一个挑战。因此，控制系统为机器学习提供了充足的动力和机会。本教程旨在帮助机器学习领域的研究人员和工程师解决控制系统中的问题。首先概述了控制工程中的问题和概念，并概述了不需学习控制方法的具体好处; 本文主要研究的是基于实时优化的模型预测控制(MPC)，该方法近年来得到了迅速的发展。MPC可以解决传统控制目标之外的各种控制问题，如调节和跟踪，并且在实时优化可行的情况下适用于各种类型的动力系统。MPC的典型应用包括基于详细非线性模型的机械系统，如无人机、汽车和机器人，采样周期为毫秒量级。此外，MPC能够实现最优控制性能，常被用于学习控制方法的参考。在这些现有成果的背景下，将展开一场关于控制工程的思想和方法的讨论，这将证明对机器学习是有益的。

https://nips.cc/Conferences/2021/Schedule?showEvent=21892

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“C133” 就可以获取《Kyoto大学Toshiyuki：快速复杂控制系统的实时优化，133页ppt》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源