Effizientes automatisches Tuning für datengesteuerte modellprädiktive Regelung durch Meta-Learning

Portfolio ist ein Meta-Learning-Ansatz, der die Effizienz und Stabilität des automatischen Tunings von datengesteuerten modellprädiktiven Reglern in AutoMPC verbessert, indem er die Bayessche Optimierung durch eine optimierte Initialisierung warmstartet.