PulseAugur
中
实时 23:30:37

新方法使用可逆神经网络进行认证前馈控制

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种方法，用于对未知非线性系统的、数据驱动的前馈控制进行认证，特别适用于具有部分状态测量的周期性跟踪。该方法利用可逆神经网络（INN）作为代理模型，通过避免复杂的非凸反演问题来简化过程。通过将一致性预测应用于估计代理模型误差，该方法提供了有限样本概率保证和前馈跟踪误差的边际证书。该技术已在具有非线性摩擦的直流电机上得到验证。 AI

影响 这项研究可能导致机器人和自动化领域中更可靠、可认证的AI驱动控制系统。

排序理由 该集群包含一篇详细介绍新控制方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法使用可逆神经网络进行认证前馈控制

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇详细介绍新控制方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
59 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Berk Altiner, Rajasree Sarkar, Arunava Banerjee, Zongxuan Sun, Kenneth Kim ·

    基于可逆神经网络的未知非线性系统的认证前馈跟踪

    arXiv:2608.06419v1 Announce Type: cross Abstract: In this paper, we address the certification of datadriven feedforward control for periodic tracking of unknown nonlinear systems under partial state measurements. To this end, we adopt an invertible neural network (INN) as a surro…

相关实体

相关话题