研究人员开发了一种新型端口哈密顿神经网络,能够表示具有多个稳定平衡点的动力学系统。传统模型由于依赖于具有单一最小值的全局李雅普诺夫函数,因此仅限于具有单一吸引子的系统。新方法利用输入凸网络的Bregman散度乘积,能够表示更复杂的能量景观,如双势阱。这一进展允许进行局部李雅普诺夫稳定性认证,并在测试中显示出更快的收敛速度。 AI
影响 在机器学习应用中实现更复杂的动力学系统建模。
排序理由 详细介绍新型神经网络架构的学术论文。
- alphaXiv
- arXiv
- Bregman Divergences
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Lyapunov stability
- machine learning
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →