LEARNING
隐式神经网络作为静态控制器：证书与性能分离
Giuseppe C. Calafiore, Laurent El Ghaoui
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出将隐式神经网络作为静态反馈控制器，利用隐式表示将控制器转化为可训练的线性互联结构，便于进行适定性和Lyapunov/IQC分析。针对有限维LTI系统，开发了严格的分析理论，包括适定性条件、指数稳定性LMI/IQC证书和二次性能LMIs，并通过训练后独立验证实现合成。
关键词
implicit neural networksstatic controllersLyapunov analysisLMI certificationconstrained control
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018