Buchumschlag

A Simultaneous Approach for Training Neural Differential-Algebraic Systems of Equations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lueg, Laurens R., Alves, Victor, Schicksnus, Daniel, Kitchin, John R., Laird, Carl D., Biegler, Lorenz T.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Conformal Mixed-Integer Constraint Learning with Feasibility Guarantees
von: Ovalle, Daniel, et al.
Veröffentlicht: (2025)

Identifiability of Differential-Algebraic Systems
von: Montanari, Arthur N., et al.
Veröffentlicht: (2024)

Learning Stable and Passive Neural Differential Equations
von: Cheng, Jing, et al.
Veröffentlicht: (2024)

Neural Port-Hamiltonian Differential Algebraic Equations for Compositional Learning of Electrical Networks
von: Neary, Cyrus, et al.
Veröffentlicht: (2024)

Multistage Economic MPC for Systems with a Cyclic Steady State: A Gas Network Case Study
von: Naik, Sakshi S., et al.
Veröffentlicht: (2025)

Correctness Verification of Neural Networks Approximating Differential Equations
von: Ellinas, Petros, et al.
Veröffentlicht: (2024)

Scalable Physics-Informed Neural Differential Equations and Data-Driven Algorithms for HVAC Systems
von: Zhai, Hanfeng, et al.
Veröffentlicht: (2026)

Solving Differential-Algebraic Equations in Power System Dynamic Analysis with Quantum Computing
von: Tran, Huynh Trung Thanh, et al.
Veröffentlicht: (2023)

Identification of Port-Hamiltonian Differential-Algebraic Equations from Input-Output Data
von: Hagelaars, N., et al.
Veröffentlicht: (2026)

Graph Neural Network-Based Distributed Optimal Control for Linear Networked Systems: An Online Distributed Training Approach
von: Song, Zihao, et al.
Veröffentlicht: (2025)

Stable and Safe Human-aligned Reinforcement Learning through Neural Ordinary Differential Equations
von: Zhao, Liqun, et al.
Veröffentlicht: (2024)

Optimality Principles and Neural Ordinary Differential Equations-based Process Modeling for Distributed Control
von: Wartmann, Michael R., et al.
Veröffentlicht: (2025)

Distributed Online Submodular Maximization under Communication Delays: A Simultaneous Decision-Making Approach
von: Xu, Zirui, et al.
Veröffentlicht: (2026)

On Data-Driven Koopman Representations of Nonlinear Delay Differential Equations
von: Rajkumar, Santosh Mohan, et al.
Veröffentlicht: (2026)

Augmented Neural Ordinary Differential Equations for Power System Identification
von: Wolf, Hannes M. H., et al.
Veröffentlicht: (2025)

Graph Neural Ordinary Differential Equations for Power System Identification
von: Wolf, Hannes M. H., et al.
Veröffentlicht: (2026)

The Vanishing Gradient Problem for Stiff Neural Differential Equations
von: Fronk, Colby, et al.
Veröffentlicht: (2025)

Negative Imaginary Neural ODEs: Learning to Control Mechanical Systems with Stability Guarantees
von: Shi, Kanghong, et al.
Veröffentlicht: (2025)

Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence
von: Bonalli, Riccardo, et al.
Veröffentlicht: (2023)

Solving Differential Equations using Physics-Informed Deep Equilibrium Models
von: Pacheco, Bruno Machado, et al.
Veröffentlicht: (2024)

Neural Lyapunov Differentiable Predictive Control
von: Mukherjee, Sayak, et al.
Veröffentlicht: (2022)

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

Event Constrained Programming
von: Ovalle, Daniel, et al.
Veröffentlicht: (2025)

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)

Piecewise M-Stationarity and Related Algorithms for Mathematical Programs with Complementarity Constraints
von: Wang, Kexin, et al.
Veröffentlicht: (2026)

Safe Neural Control for Non-Affine Control Systems with Differentiable Control Barrier Functions
von: Xiao, Wei, et al.
Veröffentlicht: (2023)

Learning Dissipative Neural Dynamical Systems
von: Xu, Yuezhu, et al.
Veröffentlicht: (2023)

Optimization Proxies using Limited Labeled Data and Training Time -- A Semi-Supervised Bayesian Neural Network Approach
von: Pareek, Parikshit, et al.
Veröffentlicht: (2024)

Differentiable Model Predictive Control on the GPU
von: Adabag, Emre, et al.
Veröffentlicht: (2025)

Identification of Power Systems with Droop-Controlled Units Using Neural Ordinary Differential Equations
von: Wolf, Hannes M. H., et al.
Veröffentlicht: (2024)

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

Learning and Current Prediction of PMSM Drive via Differential Neural Networks
von: Mei, Wenjie, et al.
Veröffentlicht: (2024)

Learning Subsystem Dynamics in Nonlinear Systems via Port-Hamiltonian Neural Networks
von: van Otterdijk, G. J. E., et al.
Veröffentlicht: (2024)

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

Certifying Stability and Performance of Uncertain Differential-Algebraic Systems: A Dissipativity Framework
von: Jensen, Emily, et al.
Veröffentlicht: (2023)

Employing Federated Learning for Training Autonomous HVAC Systems
von: Hagström, Fredrik, et al.
Veröffentlicht: (2024)

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

MPC of Uncertain Nonlinear Systems with Meta-Learning for Fast Adaptation of Neural Predictive Models
von: Yan, Jiaqi, et al.
Veröffentlicht: (2024)

A Dual Ensemble Kalman Filter Approach to Robust Control of Nonlinear Systems: An Application to Partial Differential Equations
von: Joshi, Anant A., et al.
Veröffentlicht: (2025)