यंत्र अधिगम नियंत्रण

यंत्र अधिगम कंट्रोल (एमएलसी) मशीन लर्निंग, बुद्धिमान नियंत्रण और नियंत्रण सिद्धांत का एक उपक्षेत्र है जो मशीन लर्निंग के तरीकों के साथ इष्टतम नियंत्रण समस्याओं को हल करता है। मुख्य अनुप्रयोग जटिल अरेखीय प्रणालियाँ हैं जिसके लिए रैखिक नियंत्रण सिद्धांत विधियाँ लागू नहीं होती हैं।

समस्याओं एवं कार्यों के प्रकार
आमतौर पर चार तरह की समस्याएं सामने आती हैं। उदाहरण के लिए, एमएलसी में तंत्रिका नेटवर्क नियंत्रण शामिल है, आनुवंशिक एल्गोरिदम आधारित नियंत्रण, आनुवंशिक प्रोग्रामिंग नियंत्रण, सुदृढीकरण सीखने का नियंत्रण, और अन्य डेटा-संचालित नियंत्रण के साथ पद्धतिगत ओवरलैप है, जैसे कृत्रिम बुद्धिमत्ता और रोबोट नियंत्रण।
 * नियंत्रण पैरामीटर पहचान: एमएलसी एक पैरामीटर पहचान में तब्दील हो जाती है यदि नियंत्रण कानून की संरचना दी गई है लेकिन पैरामीटर अज्ञात हैं। एक उदाहरण पीआईडी ​​नियंत्रक के गुणांकों को अनुकूलित करने के लिए आनुवंशिक एल्गोरिदम है या असतत-समय इष्टतम नियंत्रण।
 * पहली तरह की प्रतिगमन समस्या के रूप में नियंत्रण डिजाइन: एमएलसी सेंसर सिग्नल से एक्चुएशन कमांड तक एक सामान्य नॉनलाइनियर मैपिंग का अनुमान लगाता है, यदि सेंसर सिग्नल और इष्टतम एक्चुएशन कमांड हर राज्य के लिए जाना जाता है। एक उदाहरण ज्ञात पूर्ण राज्य फीडबैक से सेंसर फीडबैक की गणना है। इस कार्य के लिए तंत्रिका नेटवर्क आमतौर पर उपयोग की जाने वाली तकनीक है।
 * दूसरे प्रकार की प्रतिगमन समस्या के रूप में नियंत्रण डिज़ाइन: एमएलसी मनमाने ढंग से गैर-रेखीय नियंत्रण कानूनों की भी पहचान कर सकता है जो संयंत्र की लागत फ़ंक्शन को कम करते हैं। इस मामले में, न तो कोई मॉडल, न ही नियंत्रण कानून संरचना, न ही अनुकूलन एक्चुएशन कमांड को जानने की आवश्यकता है। अनुकूलन केवल संयंत्र में मापे गए नियंत्रण प्रदर्शन (लागत फ़ंक्शन) पर आधारित है। आनुवंशिक प्रोग्रामिंग  इस उद्देश्य के लिए एक शक्तिशाली प्रतिगमन तकनीक है।
 * सुदृढीकरण सीखने का नियंत्रण: सुदृढीकरण सीखने का उपयोग करके मापा प्रदर्शन परिवर्तनों (पुरस्कारों) पर नियंत्रण कानून को लगातार अद्यतन किया जा सकता है।

अनुप्रयोग
एमएलसी सफलतापूर्वक लागू कर दिया गया है कई अरेखीय नियंत्रण समस्याओं के लिए, अज्ञात और अक्सर अप्रत्याशित सक्रियण तंत्र की खोज करना। उदाहरण अनुप्रयोगों में शामिल हैं

जहाँ तक सभी सामान्य अरेखीय विधियों का प्रश्न है, एमएलसी बिना किसी गारंटी के अभिसरण के साथ आता है, विभिन्न परिचालन स्थितियों के लिए इष्टतमता या मजबूती।
 * उपग्रहों का दृष्टिकोण नियंत्रण।
 * थर्मल नियंत्रण का निर्माण।
 * फीडबैक अशांति नियंत्रण।
 * दूर से संचालित पानी के भीतर वाहन।
 * पीजे फ्लेमिंग और आरसी पर्सहाउस (2002) के समीक्षा लेख में कई और इंजीनियरिंग एमएलसी एप्लिकेशन का सारांश दिया गया है।

अग्रिम पठन

 * Dimitris C Dracopoulos (August 1997) "Evolutionary Learning Algorithms for Neural Adaptive Control", Springer. ISBN 978-3-540-76161-7.
 * Thomas Duriez, Steven L. Brunton & Bernd R. Noack (November 2016) "Machine Learning Control - Taming Nonlinear Dynamics and Turbulence", Springer. ISBN 978-3-319-40624-4.