用于神经网参数化模型预测控制闭环学习的高维代理建模

这篇文章可能讨论了一篇关于使用代理模型来提高模型预测控制（MPC）系统效率和性能的研究论文，特别是那些由神经网络参数化的系统。重点在于处理高维数据和实现闭环学习，这表明了一种优化复杂系统中控制策略的方法。“代理建模”的使用意味着创建简化的模型来近似更复杂的MPC系统的行为，这可能降低计算成本并提高实时性能。闭环学习方面表明一个迭代过程，控制系统会随着时间的推移进行学习和适应。

• •侧重于改进模型预测控制（MPC）系统。
• •利用代理建模来简化复杂的MPC系统。
• •强调闭环学习以实现自适应控制。
• •解决了高维数据挑战。