Buchumschlag

Formally Verified Physics-Informed Neural Control Lyapunov Functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Jun, Fitzsimmons, Maxwell, Zhou, Ruikun, Meng, Yiming
Format:	Preprint
Veröffentlicht:	2024
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

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

LyZNet: A Lightweight Python Tool for Learning and Verifying Neural Lyapunov Functions and Regions of Attraction
von: Liu, Jun, et al.
Veröffentlicht: (2024)

Towards Learning and Verifying Maximal Neural Lyapunov Functions
von: Liu, Jun, et al.
Veröffentlicht: (2023)

Compositionally Verifiable Vector Neural Lyapunov Functions for Stability Analysis of Interconnected Nonlinear Systems
von: Liu, Jun, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Network Policy Iteration: Algorithms, Convergence, and Verification
von: Meng, Yiming, et al.
Veröffentlicht: (2024)

Computing Control Lyapunov-Barrier Functions: Softmax Relaxation and Smooth Patching with Formal Guarantees
von: Liu, Jun, et al.
Veröffentlicht: (2025)

Symbolic Reduction for Formal Synthesis of Global Lyapunov Functions
von: Liu, Jun, et al.
Veröffentlicht: (2025)

Verifiable Error Bounds for Physics-Informed Neural Network Solutions of Lyapunov and Hamilton-Jacobi-Bellman Equations
von: Liu, Jun
Veröffentlicht: (2026)

Safe and Robust Domains of Attraction for Discrete-Time Systems: A Set-Based Characterization and Certifiable Neural Network Estimation
von: Serry, Mohamed, et al.
Veröffentlicht: (2026)

A Converse Control Lyapunov Theorem for Joint Safety and Stability
von: Quartz, Thanin, et al.
Veröffentlicht: (2025)

Harmonic Control Lyapunov Barrier Functions for Constrained Optimal Control with Reach-Avoid Specifications
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2023)

Formal Verification of Control Lyapunov-Barrier Functions for Safe Stabilization with Bounded Controls
von: Liu, Jun
Veröffentlicht: (2025)

A Concise Lyapunov Analysis of Nesterov's Accelerated Gradient Method
von: Liu, Jun
Veröffentlicht: (2025)

(Un)supervised Learning of Maximal Lyapunov Functions
von: Barreau, Matthieu, et al.
Veröffentlicht: (2024)

Safe Online Control-Informed Learning
von: Zhou, Tianyu, et al.
Veröffentlicht: (2025)

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

MPC-Inspired Reinforcement Learning for Verifiable Model-Free Control
von: Lu, Yiwen, et al.
Veröffentlicht: (2023)

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

Lyapunov Function Consistent Adaptive Network Signal Control with Back Pressure and Reinforcement Learning
von: Ma, Chaolun, et al.
Veröffentlicht: (2022)

Certifying Stability of Reinforcement Learning Policies using Generalized Lyapunov Functions
von: Long, Kehan, et al.
Veröffentlicht: (2025)

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

Converse Barrier Functions via Lyapunov Functions
von: Liu, Jun
Veröffentlicht: (2020)

Online Control-Informed Learning
von: Liang, Zihao, et al.
Veröffentlicht: (2024)

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

Verification of Neural Control Barrier Functions with Symbolic Derivative Bounds Propagation
von: Hu, Hanjiang, et al.
Veröffentlicht: (2024)

Bridging Control with Neural Network Verifier alpha-beta-CROWN: A Tutorial
von: Li, Haoyu, et al.
Veröffentlicht: (2026)

Lyapunov-stable Neural Control for State and Output Feedback: A Novel Formulation
von: Yang, Lujie, et al.
Veröffentlicht: (2024)

Neural-NPV Control: Learning Parameter-Dependent Controllers and Lyapunov Functions with Neural Networks
von: Niloy, MD Abul Kashem, et al.
Veröffentlicht: (2026)

Distributionally Robust Policy and Lyapunov-Certificate Learning
von: Long, Kehan, et al.
Veröffentlicht: (2024)

Scalable Verification of Neural Control Barrier Functions Using Linear Bound Propagation
von: Vertovec, Nikolaus, et al.
Veröffentlicht: (2025)

Learning Koopman-based Stability Certificates for Unknown Nonlinear Systems
von: Zhou, Ruikun, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions
von: Castañeda, Fernando, et al.
Veröffentlicht: (2022)

Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles
von: Liao, Qijun, et al.
Veröffentlicht: (2026)

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