Buchumschlag

Forward Invariance in 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

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

Efficient Interaction-Aware Interval Analysis of Neural Network Feedback Loops
von: Jafarpour, Saber, 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)

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)

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)

A Linear Differential Inclusion for Contraction Analysis to Known Trajectories
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)

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

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

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)

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)

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

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

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

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

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

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

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

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)

Negative Imaginary Neural ODEs: Learning to Control Mechanical Systems with Stability Guarantees
von: Shi, Kanghong, 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)

System-level Safety Guard: Safe Tracking Control through Uncertain Neural Network Dynamics Models
von: Li, Xiao, et al.
Veröffentlicht: (2023)

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

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

Set Invariance with Probability One for Controlled Diffusion: Score-based Approach
von: Wang, Wenqing, et al.
Veröffentlicht: (2025)

Reinforcement Learning-based Control via Y-wise Affine Neural Networks: Comparative Case Studies for Chemical Processes
von: Braniff, Austin, et al.
Veröffentlicht: (2026)

Lotka-Sharpe Neural Operators for Control of Population PDEs
von: Krstic, Miroslav, et al.
Veröffentlicht: (2026)

Lightweight Tracking Control for Computationally Constrained Aerial Systems with the Newton-Raphson Method
von: Morales-Cuadrado, Evanns, et al.
Veröffentlicht: (2025)

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)

Maximum Causal Entropy IRL in Mean-Field Games and GNEP Framework for Forward RL
von: Anahtarci, Berkay, et al.
Veröffentlicht: (2024)

Formally Verified Physics-Informed Neural Control Lyapunov Functions
von: Liu, Jun, et al.
Veröffentlicht: (2024)

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

Meta-Learning for Physically-Constrained Neural System Identification
von: Chakrabarty, Ankush, et al.
Veröffentlicht: (2025)