基于神经自编码器的高维物理系统结构保持模型降阶与控制设计

💡 原文中文,约400字,阅读约需1分钟。
📝

内容提要

本研究探讨了用于高维物理系统低维近似的控制导向、结构保持的学习方法。研究结果表明,整合神经自编码器并保留系统结构可以准确重构原始系统的行为和能量。同时,利用该系统压缩技术可以设计基于模型的控制器来调节机械系统的配置。

🏷️

标签

➡️

继续阅读