深度学习在控制领域的研究现状与展望

被引：147

作者：

段艳杰 ^{[1
]}

吕宜生 ^{[1
]}

张杰 ^{[1
,2
]}

赵学亮 ^{[1
]}

王飞跃 ^{[1
]}

机构：

[1] 中国科学院自动化研究所复杂系统管理与控制国家重点实验室

[2] 青岛智能产业技术研究院

来源：

自动化学报 | 2016年 / 42卷 / 05期

关键词：

深度学习; 控制; 特征; 自适应动态规划;

D O I：

10.16383/j.aas.2016.c160019

中图分类号：

TP273 [自动控制、自动控制系统];

学科分类号：

080201 ; 0835 ;

摘要：

深度学习在特征提取与模型拟合方面显示了其潜力和优势.对于存在高维数据的控制系统,引入深度学习具有一定的意义.近年来,已有一些研究关注深度学习在控制领域的应用.本文介绍了深度学习在控制领域的研究方向和现状,包括控制目标识别、状态特征提取、系统参数辨识和控制策略计算.并对相关的深度控制以及自适应动态规划与平行控制的方法和思想进行了描述.总结了深度学习在控制领域研究中的主要作用和存在的问题,展望了未来值得研究的方向.

引用

页码：643 / 654

页数：12

共 17 条

[1] 平行控制:数据驱动的计算控制方法
王飞跃
[J]. 自动化学报, 2013, 39 (04) : 293 - 302
[2] 基于社会计算和平行系统的动态网民群体研究
王飞跃
[J]. 上海理工大学学报, 2011, 33 (01) : 8 - 17
[3] 关于复杂系统的建模、分析、控制和管理
王飞跃
[J]. 复杂系统与复杂性科学, 2006, (02) : 26 - 34
[4] 词计算和语言动力学系统的基本问题和研究
王飞跃
[J]. 自动化学报, 2005, (06) : 32 - 40
[5] 关于复杂系统研究的计算理论与方法
王飞跃
[J]. 中国基础科学, 2004, (05) : 5 - 12
[6] 人工社会、计算实验、平行系统——关于复杂社会经济系统计算研究的讨论
王飞跃
[J]. 复杂系统与复杂性科学, 2004, (04) : 25 - 35
[7] 平行系统方法与复杂系统的管理和控制
王飞跃
[J]. 控制与决策, 2004, (05) : 485 - 489+514
[8] 从人工生命到人工社会——复杂社会系统研究的现状和展望
王飞跃
史帝夫·兰森
[J]. 复杂系统与复杂性科学, 2004, (01) : 33 - 41
[9] Deep learning in neural networks: An overview[J] . Jürgen Schmidhuber.Neural Networks . 2014
[10] A novel actor–critic–identifier architecture for approximate optimal control of uncertain nonlinear systems[J] . S. Bhasin,R. Kamalapurkar,M. Johnson,K.G. Vamvoudakis,F.L. Lewis,W.E. Dixon.Automatica . 2013 (1)

← 1 2 →