Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaAI & otomasiCAREER: Data-Enabled Neural Multi-Step Predictive Control (DeMuSPc): a Learning-Based Predictive and Adaptive Control Approach for Complex Nonlinear Systems
Proyek riset & pengembangan

CAREER: Data-Enabled Neural Multi-Step Predictive Control (DeMuSPc): a Learning-Based Predictive and Adaptive Control Approach for Complex Nonlinear Systems

Ringkasan tujuan riset

DeMuSPc mengembangkan prediktor neural multi langkah dan adaptasi Bayesian untuk kendali prediktif sistem nonlinier dengan model yang tidak lengkap serta dinamika berubah.

AI & otomasi1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2338749Periode tercatat 2024-09-01 sampai 2029-08-31.NSF 2338749MulaiAkhir tercatat202420302024-09-012029-08-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Prediktor nonlinier terhadap keadaan tetapi affine terhadap masukan kendali masa depan dipelajari dari data input-output. Struktur neural memasukkan jaminan perilaku sebelum integrasi MPC linear time-varying, kemudian parameter disetel melalui optimasi Bayesian. Simulator metabolik menguji regulasi glukosa sebagai contoh in silico. Riset menargetkan pengurangan mismatch pada horizon panjang, tanpa menyatakan hasil simulasi sebagai bukti keamanan terapi insulin manusia.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Houston
Program
CAREER: FACULTY EARLY CAR DEV, Dynamics, Control and System D
Periode pendanaan tercatat
2024-09-01 → 2029-08-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Civil, Mechanical, & Manufacturing Innovation

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.