Stability Verification of Neural Network Controllers Using Mixed-Integer Programming

We propose a framework for the stability verification of Mixed-Integer Linear Programming (MILP) representable control policies. This framework compares a fixed candidate policy, which admits an efficient parameterization and can be evaluated at a low computational cost, against a fixed baseline pol...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on automatic control Ročník 68; číslo 12; s. 1 - 16
Hlavní autoři:	Schwan, Roland, Jones, Colin N., Kuhn, Daniel
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.12.2023 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Approximation Approximation error Artificial neural networks Closed loops Computing costs Integer programming Linear programming Mathematical analysis Mixed integer Neural networks Numerical stability Parameterization Policies Power converters Power electronics Predictive control Programming Quadratic programming Stability analysis Symmetric matrices Verification
ISSN:	0018-9286, 1558-2523
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!