Buchumschlag

High-Dimensional Surrogate Modeling for Closed-Loop Learning of Neural-Network-Parameterized Model Predictive Control

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hirt, Sebastian, Suwanto, Valentinus, Alsmeier, Hendrik, Pfefferkorn, Maik, Findeisen, Rolf
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Safe and Stable Closed-Loop Learning for Neural-Network-Supported Model Predictive Control
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)

A Hierarchical Surrogate Model for Efficient Multi-Task Parameter Learning in Closed-Loop Control
von: Hirt, Sebastian, et al.
Veröffentlicht: (2025)

Efficient Controller Learning from Human Preferences and Numerical Data Via Multi-Modal Surrogate Models
von: Theiner, Lukas, et al.
Veröffentlicht: (2026)

Neural Horizon Model Predictive Control -- Increasing Computational Efficiency with Neural Networks
von: Alsmeier, Hendrik, et al.
Veröffentlicht: (2024)

Stability-informed Bayesian Optimization for MPC Cost Function Learning
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)

Probabilistically Input-to-State Stable Stochastic Model Predictive Control
von: Pfefferkorn, Maik, et al.
Veröffentlicht: (2024)

Safe Learning-Based Optimization of Model Predictive Control: Application to Battery Fast-Charging
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)

Regret and Conservatism of Distributionally Robust Constrained Stochastic Model Predictive Control
von: Pfefferkorn, Maik, et al.
Veröffentlicht: (2023)

Time-Series-Informed Closed-loop Learning for Sequential Decision Making and Control
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)

Imitation Learning of MPC with Neural Networks: Error Guarantees and Sparsification
von: Alsmeier, Hendrik, et al.
Veröffentlicht: (2025)

Efficient Learning of Vehicle Controller Parameters via Multi-Fidelity Bayesian Optimization: From Simulation to Experiment
von: Zhao, Yongpeng, et al.
Veröffentlicht: (2025)

Learning Model Predictive Control Parameters via Bayesian Optimization for Battery Fast Charging
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)

Exploiting Prior Knowledge in Preferential Learning of Individualized Autonomous Vehicle Driving Styles
von: Theiner, Lukas, et al.
Veröffentlicht: (2025)

Safe and High-Performance Learning of Model Predicitve Control using Kernel-Based Interpolation
von: Rose, Alexander, et al.
Veröffentlicht: (2024)

Real-Time Non-Smooth MPC for Switching Systems: Application to a Three-Tank Process
von: Alsmeier, Hendrik, et al.
Veröffentlicht: (2025)

Synthesizing Neural Network Controllers with Closed-Loop Dissipativity Guarantees
von: Junnarkar, Neelay, et al.
Veröffentlicht: (2024)

Real-time Gaussian Process based Approximate Model Predictive Trajectory Tracking Control for Autonomous Vehicles
von: Rose, Alexander, et al.
Veröffentlicht: (2026)

Model Predictive Control for Constrained Linear Positive Systems on Graphs
von: Schurig, Roland, et al.
Veröffentlicht: (2026)

Heat Death of Generative Models in Closed-Loop Learning
von: Marchi, Matteo, et al.
Veröffentlicht: (2024)

Geometric Data-Driven Dimensionality Reduction in MPC with Guarantees
von: Schurig, Roland, et al.
Veröffentlicht: (2023)

Efficient Stochastic Optimal Control through Approximate Bayesian Input Inference
von: Watson, Joe, et al.
Veröffentlicht: (2021)

Assumed Density Filtering and Smoothing with Neural Network Surrogate Models
von: Kuang, Simon, et al.
Veröffentlicht: (2025)

Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning
von: Davydov, Alexander
Veröffentlicht: (2025)

Cycle Life Prediction for Lithium-ion Batteries: Machine Learning and More
von: Schaeffer, Joachim, et al.
Veröffentlicht: (2024)

DiffTune-MPC: Closed-Loop Learning for Model Predictive Control
von: Tao, Ran, et al.
Veröffentlicht: (2023)

Towards Safe Learning-Based Non-Linear Model Predictive Control through Recurrent Neural Network Modeling
von: Clement, Mihaela-Larisa, et al.
Veröffentlicht: (2026)

Weight-Parameterization in Continuous Time Deep Neural Networks for Surrogate Modeling
von: Rosso, Haley, et al.
Veröffentlicht: (2025)

Introducing a Deep Neural Network-based Model Predictive Control Framework for Rapid Controller Implementation
von: Gordon, David C., et al.
Veröffentlicht: (2023)

Drift Control of High-Dimensional RBM: A Computational Method Based on Neural Networks
von: Ata, Baris, et al.
Veröffentlicht: (2023)

Closed-Loop Koopman Operator Approximation
von: Dahdah, Steven, et al.
Veröffentlicht: (2023)

Application-Driven Learning: A Closed-Loop Prediction and Optimization Approach Applied to Dynamic Reserves and Demand Forecasting
von: Garcia, Joaquim Dias, et al.
Veröffentlicht: (2021)

Data-Driven Continuous-Time Linear Quadratic Regulator via Closed-Loop and Reinforcement Learning Parameterizations
von: Gießler, Armin, et al.
Veröffentlicht: (2026)

Scalable Surrogate Verification of Image-based Neural Network Control Systems using Composition and Unrolling
von: Cai, Feiyang, et al.
Veröffentlicht: (2024)

Learning Surrogate LPV State-Space Models with Uncertainty Quantification
von: Olucha, E. Javier, et al.
Veröffentlicht: (2026)

ReLU Networks for Model Predictive Control: Network Complexity and Performance Guarantees
von: Li, Xingchen, et al.
Veröffentlicht: (2026)

Learning Accurate Extended-Horizon Predictions of High Dimensional Trajectories
von: Gaudet, Brian, et al.
Veröffentlicht: (2019)

Domain-decoupled Physics-informed Neural Networks with Closed-form Gradients for Fast Model Learning of Dynamical Systems
von: Krauss, Henrik, et al.
Veröffentlicht: (2024)

Symptom-Driven Personalized Proton Pump Inhibitors Therapy Using Bayesian Neural Networks and Model Predictive Control
von: Li, Yutong, et al.
Veröffentlicht: (2025)

Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining
von: Hose, Henrik, et al.
Veröffentlicht: (2024)

Feedforward Controllers from Learned Dynamic Local Model Networks with Application to Excavator Assistance Functions
von: Greiser, Leon, et al.
Veröffentlicht: (2024)