English(EN) Synthesizing Neural Network Controllers with Closed-Loop Dissipativity Guarantees

新方法综合具有稳定性的神经网络控制器

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了一种新颖的方法来创建能够保证系统稳定性和性能边界的神经网络控制器。该方法利用积分二次约束（IQCs）来模拟植物和神经网络激活函数中的不确定性。该方法构建了一个线性矩阵不等式（LMI）来综合控制器，然后将其用于基于投影的训练过程，以确保满足这些耗散性保证。通过倒立摆和柔性杆系统的数值示例证明了该技术的有效性。 AI

影响为确保AI控制系统的稳定性和性能引入了一种形式化方法，可能增加在安全关键应用中的信任度和采用率。

排序理由该集群包含一篇详细介绍综合神经网络控制器新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

Neelay Junnarkar

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) · Neelay Junnarkar, Murat Arcak, Peter Seiler · 2026-06-02 04:00

Synthesizing Neural Network Controllers with Closed-Loop Dissipativity Guarantees

arXiv:2404.07373v2 Announce Type: replace-cross Abstract: This paper presents a method to synthesize neural network controllers to maximize reward subject to the hard constraint that the feedback system of plant and controller be dissipative, certifying requirements such as stabi…

报道来源 [1]

Synthesizing Neural Network Controllers with Closed-Loop Dissipativity Guarantees

相关话题