Según tengo entendido, los ANN proporcionan un buen método para los controladores predictivos, particularmente en el entorno sin modelo. Esto también se llama control basado en datos. Es un proceso de dos disparos.
- Encuentre un modelo dinámico aproximado utilizando ANN. Básicamente, el sistema está perturbado (es decir, se proporcionan entradas) y las salidas se observan de manera de bucle abierto. Se utiliza un ANN para aproximar el modelo dinámico.
- Usando este modelo aproximado, los controladores predictivos (por ejemplo, MPC) se usan junto con solucionadores de optimización no lineales.
Ventajas
No necesita modelar la dinámica de una manera de primeros principios. La dinámica se “aprende” a través de datos o exploración. Es probable que las soluciones de control sean mejores (más cercanas a lo óptimo) que el diseño de controlador tradicional.
Desventajas
Estos son válidos para cualquier procedimiento de control basado en datos, y no son específicos de las ANN. No puede usarlos en aplicaciones sensibles o riesgosas. Por ejemplo, no puede jugar con entradas y “aprender” la dinámica de reactores nucleares o aviones. Con mayor frecuencia, es probable que cause una explosión o un choque.
- ¿Cuál es el mejor algoritmo de predicción para el aprendizaje automático?
- ¿Cuál es la relación entre el libro Zen y el arte del mantenimiento de motocicletas y los términos de la programación orientada a objetos?
- ¿Qué es la ley de Moore? ¿Está terminando?
- ¿Dónde existe la memoria virtual en la CPU?
- ¿Cómo manejan los procesadores las ramas en la ejecución especulativa (después de una rama aún por resolver)? (Ver comentarios para más detalles).
