PulseAugur
中
实时 06:39:53
English(EN) Efficient Verification of Neural Control Barrier Functions with Smooth Nonlinear Activations

LightCROWN改进了神经控制屏障函数的验证

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了LightCROWN，一种用于有效验证神经控制屏障函数（NCBFs）的新方法，特别是那些具有tanh等非线性激活函数的。该方法通过激活函数的解析性质计算更紧凑的雅可比界限，从而改进了现有的基于CROWN的方法。实验表明，LightCROWN在倒立摆和四旋翼飞行器等各种控制系统上显著提高了验证成功率、速度和可扩展性。 AI

影响 增强了神经网络控制系统的安全性和可靠性，可能使其在关键应用中得到更广泛的应用。

排序理由 该集群包含一篇学术论文，详细介绍了一种验证神经控制屏障函数的新方法。[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 →

LightCROWN改进了神经控制屏障函数的验证

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Liang Xu ·

    具有平滑非线性激活函数的神经控制障碍函数的有效验证

    Formal verification of neural control barrier functions (NCBFs) remains challenging, especially for neural networks with nonlinear activations like \(\tanh\). Existing CROWN-based methods rely on conservative linear relaxations for Jacobian bounds, limiting scalability. We propos…

相关话题