Stochastische modellprädiktive Regelung (SMPC) 
Die modellprädiktive Regelung (MPC) hat sich bei der Hochleistungsregelung komplexer Systeme als außerordentlich erfolgreich erwiesen. Die konzeptionelle Einfachheit von MPC sowie seine Fähigkeit, die komplexe Dynamik von Systemen mit mehreren Ein- und Ausgängen, Eingabe- und Zustands-/Ausgabebeschränkungen sowie widersprüchlichen Steuerungszielen effektiv zu bewältigen, haben es zu einem attraktiven Ansatz für die eingeschränkte Steuerung mit mehreren Variablen gemacht. Dieser Artikel gibt einen Überblick über die wichtigsten Entwicklungen im Bereich der stochastischen modellprädiktiven Regelung (SMPC) im letzten Jahrzehnt und vermittelt dem Leser einen Eindruck von den verschiedenen SMPC-Algorithmen und den wichtigsten theoretischen Herausforderungen bei der stochastischen prädiktiven Regelung ohne übermäßige mathematische Komplexität. Zunächst wird die allgemeine Formulierung eines stochastischen OCP vorgestellt, gefolgt von einem Überblick über SMPC-Ansätze für lineare und nichtlineare Systeme. Vorschläge für einige Wege für die zukünftige Forschung in diesem sich schnell entwickelnden Bereich schließen den Artikel ab. …
Jazz
Jazz ist ein leichtes modulares Datenverarbeitungs-Framework, einschließlich eines Webservers. Es bietet Datenpersistenz- und Berechnungsfunktionen, auf die über R und Python sowie über eine REST-API zugegriffen werden kann. …
Videoleiternetz (VLN)
Wir stellen das Video Ladder Community (VLN) zur Videovorhersage vor. VLN ist ein neuronales Encoder-Decoder-Modell, das sowohl durch wiederkehrende als auch vorwärtsgerichtete laterale Verbindungen auf allen Ebenen erweitert wird. Das Modell erzielt wettbewerbsfähige Ergebnisse für den Transferring MNIST-Datensatz, weist jedoch eine sehr einfache Struktur auf und ermöglicht schnelle Schlussfolgerungen. …
Haupteigenmatrixanalyse mit niedrigem Rang
Sparse PCA ist eine weit verbreitete Technik zur hochdimensionalen Datenanalyse. In diesem Artikel schlagen wir eine neue Methode namens Low-Rank-Principal-Eigenmatrix-Analyse vor. Anders als bei spärlicher PCA dürfen die dominanten Eigenvektoren dicht sein, bei entsprechender Matrizierung wird jedoch davon ausgegangen, dass sie eine Struktur mit niedrigem Rang haben. Eine solche Struktur entsteht auf natürliche Weise in mehreren praktischen Fällen: Tatsächlich ist der oberste Eigenvektor einer zirkulierenden Matrix bei geeigneter Matrizierung eine Rang-1-Matrix. Wir schlagen eine matrizierte rangbeschnittene Potenzmethode vor, die effizient implementiert werden könnte und deren rechnerische und statistische Eigenschaften ermittelt werden könnten. Umfangreiche Experimente an mehreren synthetischen Datensätzen belegen die wettbewerbsfähige empirische Leistungsfähigkeit unserer Methode. …