Buchumschlag

Contraction-Guided Adaptive Partitioning for Reachability Analysis of Neural Network Controlled Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Harapanahalli, Akash, Jafarpour, Saber, Coogan, Samuel
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Systems and Control Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Forward Invariance in Neural Network Controlled Systems
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2023)

$\texttt{immrax}$: A Parallelizable and Differentiable Toolbox for Interval Analysis and Mixed Monotone Reachability in JAX
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2024)

Efficient Interaction-Aware Interval Analysis of Neural Network Feedback Loops
von: Jafarpour, Saber, et al.
Veröffentlicht: (2023)

Certified Robust Invariant Polytope Training in Neural Controlled ODEs
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2024)

Parametric Reachable Sets Via Controlled Dynamical Embeddings
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2025)

A Linear Differential Inclusion for Contraction Analysis to Known Trajectories
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2024)

Efficient Norm-Based Reachable Sets via Iterative Dynamic Programming
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2025)

A Global Coordinate-Free Approach to Invariant Contraction on Homogeneous Manifolds
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2024)

Monotonicity and Contraction on Polyhedral Cones
von: Jafarpour, Saber, et al.
Veröffentlicht: (2022)

Neural Network-assisted Interval Reachability for Systems with Control Barrier Function-Based Safe Controllers
von: Ajeyemi, Damola, et al.
Veröffentlicht: (2025)

Probabilistic Reachability Analysis of Stochastic Control Systems
von: Jafarpour, Saber, et al.
Veröffentlicht: (2024)

Learning Certified Neural Network Controllers Using Contraction and Interval Analysis
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2026)

Efficient Reachable Sets on Lie Groups Using Lie Algebra Monotonicity and Tangent Intervals
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2024)

Probabilistic Reachability of Discrete-Time Nonlinear Stochastic Systems
von: Liu, Zishun, et al.
Veröffentlicht: (2024)

Automatic and Scalable Safety Verification using Interval Reachability with Subspace Sampling
von: Gould, Brendan, et al.
Veröffentlicht: (2025)

Efficient Reachability Analysis for Convolutional Neural Networks Using Hybrid Zonotopes
von: Zhang, Yuhao, et al.
Veröffentlicht: (2025)

Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning
von: Davydov, Alexander
Veröffentlicht: (2025)

Discrete-time Contraction-based Control of Nonlinear Systems with Parametric Uncertainties using Neural Networks
von: Wei, Lai, et al.
Veröffentlicht: (2021)

A Nonlinear Separation Principle via Contraction Theory: Applications to Neural Networks, Control, and Learning
von: Gokhale, Anand, et al.
Veröffentlicht: (2026)

Neural Approximators for Low-Thrust Trajectory Transfer Cost and Reachability
von: Zhang, Zhong, et al.
Veröffentlicht: (2025)

Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining
von: Hose, Henrik, et al.
Veröffentlicht: (2024)

Neural Contraction Metrics with Formal Guarantees for Discrete-Time Nonlinear Dynamical Systems
von: Li, Haoyu, et al.
Veröffentlicht: (2025)

Finite-Sample-Based Reachability for Safe Control with Gaussian Process Dynamics
von: Prajapat, Manish, et al.
Veröffentlicht: (2025)

Distributed Control of Network Systems in the Space of Stabilizing Graph Neural Network Policies
von: Cao, John, et al.
Veröffentlicht: (2025)

Provably-Stable Neural Network-Based Control of Nonlinear Systems
von: Li, Anran, et al.
Veröffentlicht: (2025)

Symplectic Inductive Bias for Data-Driven Target Reachability in Hamiltonian Systems
von: Ouyang, Zhuo, et al.
Veröffentlicht: (2026)

Certified Approximate Reachability (CARe): Formal Error Bounds on Deep Learning of Reachable Sets
von: Solanki, Prashant, et al.
Veröffentlicht: (2025)

Probabilistic Safety Guarantee for Stochastic Control Systems Using Average Reward MDPs
von: Omidi, Saber, et al.
Veröffentlicht: (2025)

Over-Approximating Minimizer Sets of Constrained Convex Programs with Parametric Uncertainty via Reachability Analysis
von: Gould, Brendan, et al.
Veröffentlicht: (2026)

Parallel Differentiable Reachability for Learning and Planning with Certified Neural Dynamics and Controllers
von: Shen, Keyi, et al.
Veröffentlicht: (2026)

linrax: A JAX Compatible, Simplex Method Linear Program Solver
von: Gould, Brendan, et al.
Veröffentlicht: (2025)

Geometric Reachability for Attitude Control Systems via Contraction Theory
von: Xu, Chencheng, et al.
Veröffentlicht: (2025)

Bayesian Ambiguity Contraction-based Adaptive Robust Markov Decision Processes for Adversarial Surveillance Missions
von: Choi, Jimin, et al.
Veröffentlicht: (2025)

Convex Hulls of Reachable Sets
von: Lew, Thomas, et al.
Veröffentlicht: (2023)

Contraction Theory for Nonlinear Stability Analysis and Learning-based Control: A Tutorial Overview
von: Tsukamoto, Hiroyasu, et al.
Veröffentlicht: (2021)

RHYME-XT: A Neural Operator for Spatiotemporal Control Systems
von: Ruiter, Marijn, et al.
Veröffentlicht: (2026)

Identification and Adaptive Control of Markov Jump Systems: Sample Complexity and Regret Bounds
von: Sattar, Yahya, et al.
Veröffentlicht: (2021)

Data-driven Reachable Set Estimation with Tunable Adversarial and Wasserstein Distributional Guarantees
von: Pantazis, Georgios, et al.
Veröffentlicht: (2026)

Approximation with Random Shallow ReLU Networks with Applications to Model Reference Adaptive Control
von: Lamperski, Andrew, et al.
Veröffentlicht: (2024)

Sample-Free Safety Assessment of Neural Network Controllers via Taylor Methods
von: Evans, Adam, et al.
Veröffentlicht: (2026)