LEARNING
基于流数据的收缩认证：互连非线性系统的Wasserstein鲁棒性与组合稳定性
Faegheh K Moazeni
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文针对互连非线性系统在运行中面临扰动分布变化和联合模型不可用的问题，提出了一种Wasserstein鲁棒收缩证书，并通过局部证书组合实现网络级稳定性保证。实验表明，该方法在尖峰噪声场景下证书有效性比高斯基线提升2.2倍。
关键词
contraction certificationWasserstein robustnesscompositional stabilitystreaming datainterconnected nonlinear systems
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