Buchumschlag

Generalizable Physics-Informed Learning for Stochastic Safety-Critical Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Zhuoyuan, Chern, Albert, Nakahira, Yorie
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Generalizable Physics-informed Learning Framework for Risk Probability Estimation
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2023)

Myopically Verifiable Probabilistic Certificates for Safe Control and Learning
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2024)

Physics-Informed Deep B-Spline Networks
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2025)

Neural Spline Operators for Risk Quantification in Stochastic Systems
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2025)

Physics-informed RL for Maximal Safety Probability Estimation
von: Hoshino, Hikaru, et al.
Veröffentlicht: (2024)

Learning to Stabilize Unknown LTI Systems on a Single Trajectory under Stochastic Noise
von: Zhang, Ziyi, et al.
Veröffentlicht: (2024)

Online Adaptive Probabilistic Safety Certificate with Language Guidance
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2025)

Physics-Informed Representation and Learning: Control and Risk Quantification
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2023)

Safety Certificate against Latent Variables with Partially Unidentifiable Dynamics
von: Jing, Haoming, et al.
Veröffentlicht: (2025)

Multi-Level Multi-Fidelity Methods for Path Integral and Safe Control
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2025)

Fractional Risk Analysis of Stochastic Systems with Jumps and Memory
von: Sun, Yimeng, et al.
Veröffentlicht: (2026)

Sample-Optimal Zero-Violation Safety For Continuous Control
von: Ray, Ritabrata, et al.
Veröffentlicht: (2024)

Stabilizing Linear Systems under Partial Observability: Sample Complexity and Fundamental Limits
von: Zhang, Ziyi, et al.
Veröffentlicht: (2025)

Autonomous Drifting Based on Maximal Safety Probability Learning
von: Hoshino, Hikaru, et al.
Veröffentlicht: (2024)

DIAL: Distribution-Informed Adaptive Learning of Multi-Task Constraints for Safety-Critical Systems
von: Yoo, Se-Wook, et al.
Veröffentlicht: (2025)

T2S-MPC: Time-Embedded Online Adaptive Model Predictive Control for Time-Varying Dynamics
von: Shen, Zeyu, et al.
Veröffentlicht: (2026)

Synergistic Simplex: Cooperative Runtime Assurance for Safety-Critical Autonomous Systems
von: Bansal, Ayoosh, et al.
Veröffentlicht: (2026)

UAVGENT: A Language-Guided Distributed Control Framework
von: Zhang, Ziyi, et al.
Veröffentlicht: (2026)

KKL Observer Synthesis for Nonlinear Systems via Physics-Informed Learning
von: Niazi, M. Umar B., et al.
Veröffentlicht: (2025)

Safe Driving in Occluded Environments
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2025)

Hierarchical Decentralized Stochastic Control for Cyber-Physical Systems
von: Kaza, Kesav, et al.
Veröffentlicht: (2025)

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

OpInf-LLM: Parametric PDE Solving with LLMs via Operator Inference
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2026)

Rate-cost tradeoffs in continuous-time control with a biomolecular application
von: Nakahira, Yorie, et al.
Veröffentlicht: (2025)

Learning for Layered Safety-Critical Control with Predictive Control Barrier Functions
von: Compton, William D., et al.
Veröffentlicht: (2024)

Physics-Informed Machine Learning for Characterizing System Stability
von: Koike, Tomoki, et al.
Veröffentlicht: (2025)

Optimal Parameter Adaptation for Safety-Critical Control via Safe Barrier Bayesian Optimization
von: Wang, Shengbo, et al.
Veröffentlicht: (2025)

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

Physics-Informed Neural Networks for Accelerating Power System State Estimation
von: Falas, Solon, et al.
Veröffentlicht: (2023)

Physics-Informed Machine Learning for Pouch Cell Temperature Estimation
von: Liu, Zheng
Veröffentlicht: (2026)

LUCID: Learning-Enabled Uncertainty-Aware Certification of Stochastic Dynamical Systems
von: Casablanca, Ernesto, et al.
Veröffentlicht: (2025)

Learning to Sparsify Stochastic Linear Bandits
von: Wang, Zhengmiao, et al.
Veröffentlicht: (2026)

Robust Power System State Estimation using Physics-Informed Neural Networks
von: Falas, Solon, et al.
Veröffentlicht: (2025)

Stochastic Reinforcement Learning with Stability Guarantees for Control of Unknown Nonlinear Systems
von: Quartz, Thanin, et al.
Veröffentlicht: (2024)

A Survey on Physics Informed Reinforcement Learning: Review and Open Problems
von: Banerjee, Chayan, et al.
Veröffentlicht: (2023)

Physics-Informed Learning of Proprietary Inverter Models for Grid Dynamic Studies
von: Kwon, Kyung-Bin, et al.
Veröffentlicht: (2025)

Learning Robust Satellite Attitude Dynamics with Physics-Informed Normalising Flow
von: Cena, Carlo, et al.
Veröffentlicht: (2025)

SOLIS: Physics-Informed Learning of Interpretable Neural Surrogates for Nonlinear Systems
von: Mansur, Murat Furkan, et al.
Veröffentlicht: (2026)

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

ISAACS: Iterative Soft Adversarial Actor-Critic for Safety
von: Hsu, Kai-Chieh, et al.
Veröffentlicht: (2022)