English(EN) Learning Provable Neural Network Observer for Uncertain Dynamical Systems

新框架训练可证明稳定的神经网络观测器

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-29 04:00

研究人员开发了一种用于不确定动力学系统的新型两阶段神经网络观测器训练框架。该方法首先使用点引导的Lyapunov预训练来实现高精度和局部稳定性，然后进行LMI微调以确保全局Lyapunov稳定性。在非线性控制基准和X-29飞机上的实验表明，与现有方法相比，该方法训练速度更快，泛化能力更强。 AI

影响这项研究通过实现更鲁棒的状态估计和扰动跟踪，有望提高关键应用中AI系统的可靠性和安全性。

排序理由这是一篇详细介绍神经网络观测器新训练方法的学术论文。

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Zhangyi Wang, Jiaxu Liu, Chen Song, Chao Xu, Shengze Cai · 2026-09-29 04:00

面向不确定动力学系统的可证明神经网络观测器学习

arXiv:2609.30819v1 Announce Type: new Abstract: In many safety-critical applications, control of uncertain dynamical systems relies on observers that estimate states and external disturbances. Neural network observers can improve estimation accuracy, but certifying their Lyapunov…