1979 पेपर
यह शोध पत्र लो-डेटा न्यूरल सिस्टम आइडेंटिफिकेशन कार्यों में कैलिब्रेटेड अनसर्टेन्टी क्वांटिफिकेशन और रोबस्ट परफॉरमेंस प्राप्त करने के लिए एमोर्टाइज्ड वेरिएशनल इन्फरेंस और लैप्लेस एप्रोक्सिमेशन का उपयोग करते हुए मैनिफोल्ड मेटा-लर्निंग फ्रेमवर्क का एक पूर्णतः प्रोबेबिलिस्टिक विस्तार प्रस्तावित करता है।
यह शोध पत्र सिद्ध करता है कि यथार्थवादी ग्रिड टोपोलॉजी, डीसी ससेप्टेंस मैट्रिक्स (DC susceptance matrix) के छद्म स्थिति संख्या (pseudo condition number) को नेटवर्क के आकार के साथ बहुपद या द्विघात रूप से बढ़ने का कारण बनती है, जिससे डीसी, एसी, इष्टतम पावर फ्लो और यूनिट कमिटमेंट परिदृश्यों में एंड-टू-एंड क्वांटम लाभ की संभावना समाप्त हो जाती है।
यह शोध पत्र एक नवीन ढांचे का प्रस्ताव करता है जो बॉल-ऑन-प्लेट सिस्टम पर मान्य, न्यूनतम कम्प्यूटेशनल लागत के साथ अनदेखे कार्यों के प्रति तेजी से अनुकूल होने में सक्षम, अत्यधिक अनुकूलन योग्य मॉडल प्रेडिक्टिव कंट्रोल (MPC) नियंत्रकों को प्रशिक्षित करने के लिए पॉलिसी ऑप्टिमाइज़ेशन को मॉडल-अग्नोस्टिक मेटा-लर्निंग और सिस्टम आइडेंटिफिकेशन के साथ जोड़ता है।
यह शोध पत्र यूएवी (UAVs) के लिए एक एकीकृत ऑनबोर्ड सिस्टम प्रस्तुत करता है जो एक न्यूरल नेटवर्क-आधारित साइन्ड डिस्टेंस फंक्शन (OREN) और एक डिस्टेंस-एक्सेलेरेटेड सर्च प्लैनर (Bubble) का उपयोग करके मैपिंग और प्लानिंग को सह-डिज़ाइन करता है ताकि पारंपरिक तरीकों की तुलना में काफी बेहतर सटीकता और गति के साथ भीड़भाड़ वाले वातावरण में वास्तविक समय में सुरक्षित नेविगेशन सक्षम किया जा सके।
यह शोध पत्र ऑनलाइन-स्कोर-अडेड फेडरेटेड लर्निंग (OSAFL) का प्रस्ताव करता है, जो एक नवीन एल्गोरिदम है जिसे विभिन्न बाधाओं के तहत अभिसरण सीमाओं (convergence bounds) का सैद्धांतिक विश्लेषण करने और त्रुटियों को न्यूनतम करने के लिए वैश्विक एकत्रीकरण भारों को अनुकूलित करने के माध्यम से सीमित भंडारण और निरंतर डेटा आगमन वाले संसाधन-बाधित वायरलेस क्लाइंट्स की चुनौतियों को संबोधित करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र मार्कोव श्रेणियों (Markov categories) के साथ चेंज-ऑफ-बेस निर्माण (change-of-base construction) का उपयोग करके ओपन सिस्टम्स, विशेष रूप से डिज़ाइन समस्याओं के सिमेट्रिक मोनॉइडल कैटेगरीज (symmetric monoidal categories) में अनिश्चितता को मॉडल करने के लिए एक कंपोजिशनल फ्रेमवर्क प्रस्तुत करता है, जो अंतर्निहित कैटेगोरिकल गुणों को संरक्षित करते हुए पैरामीटराइज्ड ऑप्टिमाइजेशन और बेयसियन निर्णय लेने (Bayesian decision-making) का समर्थन करने वाली नई संरचनाओं को उत्पन्न करता है।
यह शोध पत्र प्रदर्शित करता है कि आउटपुट-स्ट्रिक्टली पैसिव बाधाओं वाले पैसिव प्लांट्स के लिए -इष्टतम फीडबैक नियंत्रण समस्या को यूला (Youla) पैरामीटर पर एक उत्तल, अनंत-आयामी अनुकूलन के रूप में पुनर्गठित किया जा सकता है, जिसे उप-इष्टतम नियंत्रकों और निम्न सीमाओं को प्राप्त करने के लिए अभिसारी परिमित-आयामी ट्रंकेशन द्वारा प्रभावी रूप से अनुमानित किया जाता है।
यह शोध पत्र नॉनलीनर डायनेमिक्स के तहत एंगल-ऑफ-अटैक ट्रैकिंग के लिए रोबस्ट और ऑसिलेशन-मुक्त ऑनलाइन लर्निंग फ्लाइट कंट्रोल प्राप्त करने हेतु एडेप्टिव स्मूथनेस रेगुलराइजेशन और कमांड फिल्टरिंग के साथ एक टेम्पोरली स्मूथेड इंक्रीमेंटल मॉडल-बेस्ड ह्यूरिस्टिक डायनेमिक प्रोग्रामिंग फ्रेमवर्क प्रस्तावित करता है।
यह शोध पत्र एक जनरललिस्ट कंट्रोलर (Generalist Controller) प्रस्तुत करता है, जो एक सिंगल-शॉट लर्निंग-आधारित एल्गोरिदम है जो विभिन्न क्रमों और गतिकी वाले विविध सिंगल-इनपुट सिंगल-आउटपुट सिस्टम को बिना किसी सिस्टम-विशिष्ट ट्यूनिंग या संरचनात्मक परिवर्तनों के प्रभावी ढंग से नियंत्रित करने के लिए अटेंशन मैकेनिज्म और मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर का उपयोग करता है।
यह शोध पत्र ffconnect प्रस्तुत करता है, जो मिड-फिडेलिटी FAST.Farm सिम्युलेटर के लिए एक ओपन-सोर्स पायथन इंटरफ़ेस है, जो एक पुनर्गठित API के माध्यम से आधुनिक मशीन लर्निंग इकोसिस्टम के साथ विंड फार्म कंट्रोल एकीकरण को सुव्यवस्थित करता है और साथ ही नगण्य रनटाइम ओवरहेड बनाए रखता है।