一、基礎控制理論
1、開設課程：自控、現控、過控、運控、計控、智控。
2、課程內容簡述，
自控：主要研究siso線性定常系統控制。分析方法：頻率特性、根軌跡法。數學工具：微分方程，傳遞函式，忽略初始條件。
現控：主要研究mimo非線性時變系統控制。分析方法：時域分析方法。數學工具：狀態空間。
過控：工業過程控制
運動：電機控制
計控：基於計算機的控制
智控：研究複雜系統（特點：不確定性，高度非線性，複雜任務要求）。解法：自適應、模糊、神經網路。衍生品：專家系統、模糊pid、自適應pid。
3、控制解決理論問題
從問題複雜度來看。自控是基礎，現控、計控高階，智控，其它包括滑模控制、魯棒控制、神經網路、最優控制與狀態估計、系統辨識、自適應控制、多智慧型體與網路化控制、模型**控制等是更具研究價值的控制課題。
4、控制解決現實問題
控制理論的發展實際上對應自動化水平的提高
拓展閱讀： 中國智慧型控制40年
二、機器學習與控制理論
機器學習為控制和自動化提供乙個層面的解決方案，控制和自動化是機器學習落地的一項重要應用。
擴充套件閱讀： cvpr 2018 | 加速模型收斂的新思路（控制理論+深度學習）
三、其它
1、不確定性理論包括：不確定包含不僅含隨機性、模糊性、灰色性和未確定性[1]。解法包含概率學，統計學，模糊理論，灰度理論等。
2、非線性siso系統簡介：
[1] **與決策的不確定性數學模型，2001，王清印等
[2] 基於高增益觀測器的 siso 非線性系統模糊自適應輸出反饋控制，2011，任長娥
自動化機器學習或AutoML說明
使用機器學習的兩個最大障礙 經典機器學習和深度學習 是技能和計算資源。您可以花錢解決第二個問題，要麼購買加速的硬體 例如具有高階gpu的計算機 要麼租用雲中的計算資源 例如具有附加gpu，tpu和fpga 另一方面，解決技能問題比較困難。資料科學家通常薪水很高，而且可能仍然很難招募。google能夠...
自動化機器學習或AutoML說明
使用機器學習的兩個最大障礙 經典機器學習和深度學習 是技能和計算資源。您可以花錢解決第二個問題，要麼購買加速的硬體 例如具有高階gpu的計算機 要麼租用雲中的計算資源 例如具有附加gpu，tpu和fpga 另一方面，解決技能問題比較困難。資料科學家通常薪水很高，而且可能仍然很難招募。google能夠...
使用Azure進行自動化機器學習
自動化的機器學習，也稱為 automl，讓資料科研人員 分析人員和開發人員，同時維護模型質量構建具有高縮放性 效率和工作效率的機器學習模型。自動化機器學習生成的機器學習模型自動 智慧型地選擇用於訓練的模型的集合，並推薦最適合您。傳統的機器學習模型開發是資源密集型需要大量域知識和時間來生成和比較數十個...