Buchumschlag

Efficient Interaction-Aware Interval Analysis of Neural Network Feedback Loops

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jafarpour, Saber, Harapanahalli, Akash, 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

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

Contraction-Guided Adaptive Partitioning for Reachability Analysis of Neural Network Controlled Systems
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2023)

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

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

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

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

Parametric Reachable Sets Via Controlled Dynamical Embeddings
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)

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

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

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)

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

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

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

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

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

Stability and Performance Analysis of Discrete-Time ReLU Recurrent Neural Networks
von: Noori, Sahel Vahedi, et al.
Veröffentlicht: (2024)

Neural Operators for Predictor Feedback Control of Nonlinear Delay Systems
von: Bhan, Luke, et al.
Veröffentlicht: (2024)

Predictor-Based Output-Feedback Control of Linear Systems with Time-Varying Input and Measurement Delays via Neural-Approximated Prediction Horizons
von: Bhan, Luke, et al.
Veröffentlicht: (2026)

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

Heat Death of Generative Models in Closed-Loop Learning
von: Marchi, Matteo, et al.
Veröffentlicht: (2024)

Improved Scalable Lipschitz Bounds for Deep Neural Networks
von: Syed, Usman, et al.
Veröffentlicht: (2025)

Modular Distributed Nonconvex Learning with Error Feedback
von: Carnevale, Guido, et al.
Veröffentlicht: (2025)

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

Adversarial Network Optimization under Bandit Feedback: Maximizing Utility in Non-Stationary Multi-Hop Networks
von: Dai, Yan, et al.
Veröffentlicht: (2024)

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

Physics-Informed Graph Neural Network for Dynamic Reconfiguration of Power Systems
von: Authier, Jules, et al.
Veröffentlicht: (2023)

Incremental Correction in Dynamic Systems Modelled with Neural Networks for Constraint Satisfaction
von: Cho, Namhoon, et al.
Veröffentlicht: (2022)

Non-Asymptotic Bounds for Closed-Loop Identification of Unstable Nonlinear Stochastic Systems
von: Siriya, Seth, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Network Lyapunov Functions: PDE Characterization, Learning, and Verification
von: Liu, Jun, et al.
Veröffentlicht: (2023)

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

Fast and Reliable $N-k$ Contingency Screening with Input-Convex Neural Networks
von: Christianson, Nicolas, et al.
Veröffentlicht: (2024)

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

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

Reinforcement Learning-based Control via Y-wise Affine Neural Networks (YANNs)
von: Braniff, Austin, et al.
Veröffentlicht: (2025)

Universal Approximation Power of Deep Residual Neural Networks via Nonlinear Control Theory
von: Tabuada, Paulo, et al.
Veröffentlicht: (2020)

Model-Free Output Feedback Stabilization via Policy Gradient Methods
von: Zhang, Ankang, et al.
Veröffentlicht: (2026)

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

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