Explore l'apprentissage automatique en chimie, se concentrant sur l'optimisation de la réaction bayésienne et le transfert du fardeau expérimental des humains aux machines.
Explore les systèmes de contrôle moteur, couvrant les algorithmes, l'intégration de capteurs et les applications pratiques en robotique et en automatisation.
Explore le contrôle intégral, l'estimation des perturbations, la conception du contrôleur et la conception de l'observateur dans les systèmes de contrôle multivariables.
Explore le compromis entre la complexité et le risque dans les modèles d'apprentissage automatique, les avantages de la surparamétrisation et le biais implicite des algorithmes d'optimisation.
Explore l'optimisation combinatoire à l'aide d'un recuit simulé pour trouver les états du sol dans les systèmes frustrés et relever les défis de satisfaire toutes les interactions simultanément.
Explore Eigenvalue Attribution dans le contrôle multivariable, en mettant l'accent sur les effets de la discrétisation et les défis dans la préservation de la structure du système.
Se concentre sur la conception d'observateurs d'ordre réduit dans les systèmes de contrôle multivariables, en soulignant l'importance des observateurs et de l'attribution de valeurs propres dans la conception des contrôleurs.
Explore les observateurs Luenberger dans les systèmes de contrôle multivariables, en mettant l'accent sur la stabilité de l'observateur, le principe de séparation et la conception des filtres.
