Buchumschlag

Guidance and Control Networks with Periodic Activation Functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Origer, Sebastien, Izzo, Dario
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Closing the gap: Optimizing Guidance and Control Networks through Neural ODEs
von: Origer, Sebastien, et al.
Veröffentlicht: (2024)

Comparing Behavioural Cloning and Reinforcement Learning for Spacecraft Guidance and Control Networks
von: Holt, Harry, et al.
Veröffentlicht: (2025)

Certifying Guidance & Control Networks: Uncertainty Propagation to an Event Manifold
von: Origer, Sebastien, et al.
Veröffentlicht: (2024)

High-order expansion of Neural Ordinary Differential Equations flows
von: Izzo, Dario, et al.
Veröffentlicht: (2025)

Optimality Principles in Spacecraft Neural Guidance and Control
von: Izzo, Dario, et al.
Veröffentlicht: (2023)

Learning the optimal state-feedback via supervised imitation learning
von: Tailor, Dharmesh, et al.
Veröffentlicht: (2019)

MasconCube: Fast and Accurate Gravity Modeling with an Explicit Representation
von: Fanti, Pietro, et al.
Veröffentlicht: (2025)

Analyzing the Neural Tangent Kernel of Periodically Activated Coordinate Networks
von: Saratchandran, Hemanth, et al.
Veröffentlicht: (2024)

Subtractive Modulative Network with Learnable Periodic Activations
von: Wang, Tiou, et al.
Veröffentlicht: (2026)

Closing the Gap Between SGP4 and High-Precision Propagation via Differentiable Programming
von: Acciarini, Giacomo, et al.
Veröffentlicht: (2024)

EclipseNETs: a differentiable description of irregular eclipse conditions
von: Acciarini, Giacomo, et al.
Veröffentlicht: (2024)

Frequency and Generalisation of Periodic Activation Functions in Reinforcement Learning
von: Mavor-Parker, Augustine N., et al.
Veröffentlicht: (2024)

Computing low-thrust transfers in the asteroid belt, a comparison between astrodynamical manipulations and a machine learning approach
von: Acciarini, Giacomo, et al.
Veröffentlicht: (2024)

NeuralODEs for VLEO simulations: Introducing thermoNET for Thermosphere Modeling
von: Izzo, Dario, et al.
Veröffentlicht: (2024)

EclipseNETs: Learning Irregular Small Celestial Body Silhouettes
von: Acciarini, Giacomo, et al.
Veröffentlicht: (2025)

Activation Functions Considered Harmful: Recovering Neural Network Weights through Controlled Channels
von: Spielman, Jesse, et al.
Veröffentlicht: (2025)

Combinations of Fast Activation and Trigonometric Functions in Kolmogorov-Arnold Networks
von: Ta, Hoang-Thang, et al.
Veröffentlicht: (2025)

Pretrained Approximators for Low-Thrust Trajectory Cost and Reachability
von: Zhang, Zhong, et al.
Veröffentlicht: (2026)

Efficient Verification of Neural Control Barrier Functions with Smooth Nonlinear Activations
von: Zhang, Jun, et al.
Veröffentlicht: (2026)

Semi-Periodic Activation for Time Series Classification
von: Júnior, José Gilberto Barbosa de Medeiros, et al.
Veröffentlicht: (2024)

Extension of Symmetrized Neural Network Operators with Fractional and Mixed Activation Functions
von: Santos, Rômulo Damasclin Chaves dos, et al.
Veröffentlicht: (2025)

Deep Network Approximation: Beyond ReLU to Diverse Activation Functions
von: Zhang, Shijun, et al.
Veröffentlicht: (2023)

Topology-Aware Activation Functions in Neural Networks
von: Snopov, Pavel, et al.
Veröffentlicht: (2025)

Subgroup Discovery with the Cox Model
von: Izzo, Zachary, et al.
Veröffentlicht: (2025)

Comprehensive Survey of Complex-Valued Neural Networks: Insights into Backpropagation and Activation Functions
von: Hammad, M. M.
Veröffentlicht: (2024)

Quantum Variational Activation Functions Empower Kolmogorov-Arnold Networks
von: Jiang, Jiun-Cheng, et al.
Veröffentlicht: (2025)

Adaptive Diffusion Guidance via Stochastic Optimal Control
von: Azangulov, Iskander, et al.
Veröffentlicht: (2025)

Spectral Guidance for Flexible and Efficient Control of Diffusion Models
von: Moreira, Gabriel, et al.
Veröffentlicht: (2026)

Diffusion Guidance Is a Controllable Policy Improvement Operator
von: Frans, Kevin, et al.
Veröffentlicht: (2025)

Policy Gradient Guidance Enables Test Time Control
von: Qi, Jianing, et al.
Veröffentlicht: (2025)

Beyond Lipschitz Continuity and Monotonicity: Fractal and Chaotic Activation Functions in Echo State Networks
von: Chipera, Rae, et al.
Veröffentlicht: (2025)

Switchable Activation Networks
von: Ale, Laha, et al.
Veröffentlicht: (2026)

One Period to Rule Them All: Identifying Critical Learning Periods in Deep Networks
von: Fukase, Vinicius Yuiti, et al.
Veröffentlicht: (2025)

ULU: A Unified Activation Function
von: Huo, Simin
Veröffentlicht: (2025)

Quantitative Bounds for Length Generalization in Transformers
von: Izzo, Zachary, et al.
Veröffentlicht: (2025)

A Family of Adaptive Activation Functions for Mitigating Failure Modes in Physics-Informed Neural Networks
von: Murari, Krishna
Veröffentlicht: (2026)

Provably Reliable Classifier Guidance via Cross-Entropy Control
von: Sahu, Sharan, et al.
Veröffentlicht: (2026)

Neural Functions for Learning Periodic Signal
von: Cho, Woojin, et al.
Veröffentlicht: (2025)

Activation Functions for "A Feedforward Unitary Equivariant Neural Network"
von: Ma, Pui-Wai
Veröffentlicht: (2024)

Fractional Concepts in Neural Networks: Enhancing Activation Functions
von: Alijani, Zahra, et al.
Veröffentlicht: (2023)