研究人员开发了一种使用傅里叶神经网络算子(FNOs)来近似非线性动力学系统的李雅普诺夫函数的方法。该方法旨在克服寻找李雅普诺夫函数的挑战,李雅普诺夫函数对于稳定性分析至关重要,但通常是系统特定的。该研究为李雅普诺夫解算子建立了理论基础,证明了其在某些稳定性假设下的明确定义性和连续性。数值实验表明,一个经过训练的FNO可以准确地近似参数化动力学家族的李雅普诺夫函数,凸显了神经网络算子在该领域的潜力。 AI
影响 将神经网络算子应用于非线性系统稳定性分析的新颖方法,有望推进控制理论和机器人领域的理论和实际应用。
排序理由 学术论文,详细介绍了使用神经网络算子近似李雅普诺夫函数的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →