16. 10. 2019  9:15 Vladimíra
Akademický informačný systém

Ľudia na STU


Na tejto stránke máte zobrazené všetky verejne prístupne údaje o zadanej osobe. Niektoré informácie o personálnom zaradení a funkciách osoby môžu byť skryté.

Ing. Martin Klaučo, PhD.
Identifikačné číslo: 50920
Univerzitný e-mail: martin.klauco [at] stuba.sk
 
Výskumný pracovník s VŠ vzdelaním - Oddelenie informatizácie a riadenia procesov (ÚIAM FCHPT)
Vedecký pracovník KS II.b. CSc.,PhD. - Oddelenie informatizácie a riadenia procesov (ÚIAM FCHPT)

Kontakty     Absolvent     Záverečná práca     Projekty     
Publikácie     Stáže     Vedené práce     

Základné informácie

Základné informácie o záverečnej práci

Typ práce: Diplomová práca
Názov práce:Generovanie explicitných zákonov riadenia pomocou metód strojového učenia
Autor: Ing. Karol Kiš
Pracovisko: Oddelenie informatizácie a riadenia procesov (ÚIAM FCHPT)
Vedúci práce: Ing. Martin Klaučo, PhD.
Oponent:Ing. Juraj Oravec, PhD.
Stav záverečnej práce:Záverečná práca bola úspešne obhájená


Doplňujúce informácie

Nasledujú doplňujúce informácie záverečnej práce. Kliknutím na odkaz s názvom jazyka vyberiete, v akom jazyku majú byť informácie zobrazené.

Jazyk spracovania záverečnej práce:anglický jazyk

slovenský jazyk        anglický jazyk

Názov práce:Machine Learning Approaches Applied to Generation of Explicit Control Laws
Abstrakt:The aim of this master thesis is to design a control law in the form of a neural network, whose behaviour is similar to an explicit model predictive control (MPC). The main advantages of explicit MPC are fast and efficient implementation, but on the other hand, the main disadvantage of explicit MPC is fixed structure of the original MPC problem, i.e. linear or quadratic cost function functions and linear constraints. However, the neural network control law must be trained on the basis of input data, which in this case are obtained by sequentially solving the MPC problem for different initial conditions. The advantage of this approach is the possibility to get control action not only for different initial states but also for different settings of prediction horizon or weight matrices in the cost function since not only states but also weight matrices can be input parameters of the neural network control law. This, in fact, creates a suboptimal tunable controller in explicit form.
Kľúčové slová:machine learning, neural networks, approximation of model predictive control

Zobrazenie a sťahovanie súborov

Pokiaľ chcete zobraziť zadanie záverečnej práce, kliknite na ikonu Zobraziť zadanie. Ikony Záverečná práca, Prílohy práce, Posudok vedúceho a Posudok oponenta predstavujú súbory týkajúce sa záverečnej práce, ktoré je možné stiahnuť. Budú zobrazené iba v prípade, že je súbor vložený a zároveň je verejný.

Zobraziť zadanie

Časti práce s odloženým zverejnením:

Záverečná práca (prílohy záverečnej práce) neobmedzene
Posudky záverečnej práce neobmedzene