Buchumschlag

Iterative Model-Learning Scheme via Gaussian Processes for Nonlinear Model Predictive Control of (Semi-)Batch Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Tai Xuan, Mitsos, Alexander, Cramer, Eike
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hybrid Neural Ordinary Differential Equations for Data-Efficient Polymerization Modeling with Incomplete Kinetics
von: Almanasreh, Marah, et al.
Veröffentlicht: (2026)

Least Squares and Marginal Log-Likelihood Model Predictive Control using Normalizing Flows
von: Cramer, Eike
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 Conditional Flexibility Index
von: Wedemeyer, Moritz, et al.
Veröffentlicht: (2026)

Bayesian Optimization of Partially Known Systems using Hybrid Models
von: Cramer, Eike, et al.
Veröffentlicht: (2026)

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

Quasi-Periodic Gaussian Process Predictive Iterative Learning Control
von: Nigam, Unnati, et al.
Veröffentlicht: (2026)

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

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

Batch Active Learning in Gaussian Process Regression using Derivatives
von: Yu, Hon Sum Alec, et al.
Veröffentlicht: (2024)

Increasing Information for Model Predictive Control with Semi-Markov Decision Processes
von: Hosseinkhan-Boucher, Rémy, et al.
Veröffentlicht: (2025)

Molecular Machine Learning in Chemical Process Design
von: Rittig, Jan G., et al.
Veröffentlicht: (2025)

DeepEOSNet: Capturing the dependency on thermodynamic state in property prediction tasks
von: Pavšek, Jan, et al.
Veröffentlicht: (2025)

Improved Iterative Learning Model Predictive Control for Nonlinear Batch Processes
von: Chengyu Zhou, et al.
Veröffentlicht: (2024)

A Tutorial on Gaussian Process Learning-based Model Predictive Control
von: Wang, Jie, et al.
Veröffentlicht: (2024)

Iterative Methods for Vecchia-Laplace Approximations for Latent Gaussian Process Models
von: Kündig, Pascal, et al.
Veröffentlicht: (2023)

Improving Iterative Gaussian Processes via Warm Starting Sequential Posteriors
von: Dong, Alan Yufei, et al.
Veröffentlicht: (2025)

Physics-informed Gaussian Processes as Linear Model Predictive Controller
von: Tebbe, Jörn, et al.
Veröffentlicht: (2024)

Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models
von: Goodall, Alexander W., et al.
Veröffentlicht: (2026)

Multi-fidelity Batch Active Learning for Gaussian Process Classifiers
von: Cutforth, Murray, et al.
Veröffentlicht: (2025)

Iterative Batch Reinforcement Learning via Safe Diversified Model-based Policy Search
von: Najib, Amna, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks for Dynamic Process Operations with Limited Physical Knowledge and Data
von: Velioglu, Mehmet, et al.
Veröffentlicht: (2024)

Semi-parametric Expert Bayesian Network Learning with Gaussian Processes and Horseshoe Priors
von: Weng, Yidou, et al.
Veröffentlicht: (2024)

Warm Start Marginal Likelihood Optimisation for Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Scalable Gaussian Processes: Advances in Iterative Methods and Pathwise Conditioning
von: Lin, Jihao Andreas
Veröffentlicht: (2025)

Successive Halving with Learning Curve Prediction via Latent Kronecker Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2025)

Scaling Gaussian Processes for Learning Curve Prediction via Latent Kronecker Structure
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Tensor Gaussian Processes: Efficient Solvers for Nonlinear PDEs
von: Yuan, Qiwei, et al.
Veröffentlicht: (2025)

Semi-Supervised Reward Modeling via Iterative Self-Training
von: He, Yifei, et al.
Veröffentlicht: (2024)

Safe Active Learning for Time-Series Modeling with Gaussian Processes
von: Zimmer, Christoph, et al.
Veröffentlicht: (2024)

Improving Linear System Solvers for Hyperparameter Optimisation in Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Iterative Tuning of Nonlinear Model Predictive Control for Robotic Manufacturing Tasks
von: Ingole, Deepak, et al.
Veröffentlicht: (2025)

Label Propagation Training Schemes for Physics-Informed Neural Networks and Gaussian Processes
von: Zhong, Ming, et al.
Veröffentlicht: (2024)

Operator Learning with Gaussian Processes
von: Mora, Carlos, et al.
Veröffentlicht: (2024)

SDG-L: A Semiparametric Deep Gaussian Process based Framework for Battery Capacity Prediction
von: Liu, Hanbing, et al.
Veröffentlicht: (2025)

Quality-Controlled Active Learning via Gaussian Processes for Robust Structure-Property Learning in Autonomous Microscopy
von: Chowdhury, Jawad, et al.
Veröffentlicht: (2026)

Iterative Methods via Locally Evolving Set Process
von: Zhou, Baojian, et al.
Veröffentlicht: (2024)

End-to-End Reinforcement Learning of Koopman Models for eNMPC of an Air Separation Unit
von: Mayfrank, Daniel, et al.
Veröffentlicht: (2025)

Preventing Model Collapse in Gaussian Process Latent Variable Models
von: Li, Ying, et al.
Veröffentlicht: (2024)

Gaussian Process Neural Additive Models
von: Zhang, Wei, et al.
Veröffentlicht: (2024)