Buchumschlag

End-to-End Reinforcement Learning of Koopman Models for eNMPC of an Air Separation Unit

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mayfrank, Daniel, Dernek, Kayra, Lang, Laura, Mitsos, Alexander, Dahmen, Manuel
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sample-Efficient Reinforcement Learning of Koopman eNMPC
von: Mayfrank, Daniel, et al.
Veröffentlicht: (2025)

Task-optimal data-driven surrogate models for eNMPC via differentiable simulation and optimization
von: Mayfrank, Daniel, et al.
Veröffentlicht: (2024)

End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control
von: Mayfrank, Daniel, et al.
Veröffentlicht: (2023)

Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study
von: Schulze, Jan C., et al.
Veröffentlicht: (2024)

Graph neural networks for the prediction of molecular structure-property relationships
von: Rittig, Jan G., et al.
Veröffentlicht: (2022)

Robust Design of Multi-Energy Systems Accounting for Mixed-Integer Operational Problems
von: Wedemeyer, Moritz, et al.
Veröffentlicht: (2026)

Soft-Radial Projection for Constrained End-to-End Learning
von: Schneider, Philipp J., et al.
Veröffentlicht: (2026)

End-to-End Learning Framework for Solving Non-Markovian Optimal Control
von: Zhang, Xiaole, et al.
Veröffentlicht: (2025)

Sobolev Training of End-to-End Optimization Proxies
von: Rosemberg, Andrew W., et al.
Veröffentlicht: (2025)

End-to-End Conformal Calibration for Optimization Under Uncertainty
von: Yeh, Christopher, et al.
Veröffentlicht: (2024)

Robust Energy System Design via Semi-infinite Programming
von: Wedemeyer, Moritz, et al.
Veröffentlicht: (2024)

AI2STOW: End-to-End Deep Reinforcement Learning to Construct Master Stowage Plans under Demand Uncertainty
von: Van Twiller, Jaike, et al.
Veröffentlicht: (2025)

Nonlinear Model Order Reduction of Dynamical Systems in Process Engineering: Review and Comparison
von: Schulze, Jan C., et al.
Veröffentlicht: (2025)

End-to-End Training of High-Dimensional Optimal Control with Implicit Hamiltonians via Jacobian-Free Backpropagation
von: Gelphman, Eric, et al.
Veröffentlicht: (2025)

End-to-End Mesh Optimization of a Hybrid Deep Learning Black-Box PDE Solver
von: Ma, Shaocong, et al.
Veröffentlicht: (2024)

Multi-Armed Sampling Problem and the End of Exploration
von: Pedramfar, Mohammad, et al.
Veröffentlicht: (2025)

Koopman-Assisted Reinforcement Learning
von: Rozwood, Preston, et al.
Veröffentlicht: (2024)

Deterministic Global Optimization of the Acquisition Function in Bayesian Optimization: To Do or Not To Do?
von: Georgiou, Anastasia, et al.
Veröffentlicht: (2025)

SPO-VCS: An End-to-End Smart Predict-then-Optimize Framework with Alternating Differentiation Method for Relocation Problems in Large-Scale Vehicle Crowd Sensing
von: Wang, Xinyu, et al.
Veröffentlicht: (2024)

DOGE-Train: Discrete Optimization on GPU with End-to-end Training
von: Abbas, Ahmed, et al.
Veröffentlicht: (2022)

Muon Outperforms Adam in Tail-End Associative Memory Learning
von: Wang, Shuche, et al.
Veröffentlicht: (2025)

Time-certified Input-constrained NMPC via Koopman Operator
von: Wu, Liang, et al.
Veröffentlicht: (2024)

End-to-end guarantees for indirect data-driven control of bilinear systems with finite stochastic data
von: Chatzikiriakos, Nicolas, et al.
Veröffentlicht: (2024)

SafEDMD: A Koopman-based data-driven controller design framework for nonlinear dynamical systems
von: Strässer, Robin, et al.
Veröffentlicht: (2024)

NMPC for Collision Avoidance by Superellipsoid Separation
von: Moran, Ruairi, et al.
Veröffentlicht: (2024)

Causal LLM Routing: End-to-End Regret Minimization from Observational Data
von: Tsiourvas, Asterios, et al.
Veröffentlicht: (2025)

Operator World Models for Reinforcement Learning
von: Novelli, Pietro, et al.
Veröffentlicht: (2024)

Optimal design of a local renewable electricity supply system for power-intensive production processes with demand response
von: Germscheid, Sonja H. M., et al.
Veröffentlicht: (2024)

On the Linear Speedup of Personalized Federated Reinforcement Learning with Shared Representations
von: Xiong, Guojun, et al.
Veröffentlicht: (2024)

Koopman Data-Driven Predictive Control with Robust Stability and Recursive Feasibility Guarantees
von: de Jong, Thomas, et al.
Veröffentlicht: (2024)

Linear quadratic control of nonlinear systems with Koopman operator learning and the Nyström method
von: Caldarelli, Edoardo, et al.
Veröffentlicht: (2024)

Operator Models for Continuous-Time Offline Reinforcement Learning
von: Hoischen, Nicolas, et al.
Veröffentlicht: (2025)

UVIP: Model-Free Approach to Evaluate Reinforcement Learning Algorithms
von: Belomestny, Denis, et al.
Veröffentlicht: (2021)

Active Learning Classification from a Signal Separation Perspective
von: Mhaskar, Hrushikesh, et al.
Veröffentlicht: (2025)

Accelerated Methods with Complexity Separation Under Data Similarity for Federated Learning Problems
von: Bylinkin, Dmitry, et al.
Veröffentlicht: (2026)

Resilient Constrained Reinforcement Learning
von: Ding, Dongsheng, et al.
Veröffentlicht: (2023)

Near-Isotropic Sub-Ångstrom 3D Resolution Phase Contrast Imaging Achieved by End-to-End Ptychographic Electron Tomography
von: You, Shengboy, et al.
Veröffentlicht: (2024)

Gradient Descent on Logistic Regression with Non-Separable Data and Large Step Sizes
von: Meng, Si Yi, et al.
Veröffentlicht: (2024)

Residuals-based Offline Reinforcement Learning
von: Zhu, Qing, et al.
Veröffentlicht: (2026)

A Pontryagin Perspective on Reinforcement Learning
von: Eberhard, Onno, et al.
Veröffentlicht: (2024)