Buchumschlag

Verification of Unknown Dynamical Systems via Autoencoder Latent Space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Reed, Robert, Laurenti, Luca, Lahijanian, Morteza
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Error Bounds For Gaussian Process Regression Under Bounded Support Noise With Applications To Safety Certification
von: Reed, Robert, et al.
Veröffentlicht: (2024)

Promises of Deep Kernel Learning for Control Synthesis
von: Reed, Robert, et al.
Veröffentlicht: (2023)

Learning-Based Shielding for Safe Autonomy under Unknown Dynamics
von: Reed, Robert, et al.
Veröffentlicht: (2024)

Formal Verification of Unknown Dynamical Systems via Gaussian Process Regression
von: Skovbekk, John, et al.
Veröffentlicht: (2021)

Finite Neural Networks as Mixtures of Gaussian Processes: From Provable Error Bounds to Prior Selection
von: Adams, Steven, et al.
Veröffentlicht: (2024)

Shielded Deep Reinforcement Learning for Complex Spacecraft Tasking
von: Reed, Robert, et al.
Veröffentlicht: (2024)

A Unifying Perspective for Safety of Stochastic Systems: From Barrier Functions to Finite Abstractions
von: Laurenti, Luca, et al.
Veröffentlicht: (2023)

Data-Driven Strategy Synthesis for Stochastic Systems with Unknown Nonlinear Disturbances
von: Gracia, Ibon, et al.
Veröffentlicht: (2024)

Universal Learning of Stochastic Dynamics for Exact Belief Propagation using Bernstein Normalizing Flows
von: Amorese, Peter, et al.
Veröffentlicht: (2025)

Error Bounds for Physics-Informed Neural Networks in Fokker-Planck PDEs
von: Kong, Chun-Wei, et al.
Veröffentlicht: (2024)

Data-Driven Permissible Safe Control with Barrier Certificates
von: Mazouz, Rayan, et al.
Veröffentlicht: (2024)

Stochastic Barrier Certificates in the Presence of Dynamic Obstacles
von: Mazouz, Rayan, et al.
Veröffentlicht: (2026)

Piecewise Control Barrier Functions for Stochastic Systems
von: Mazouz, Rayan, et al.
Veröffentlicht: (2025)

Time-Varying Reach-Avoid Control Certificates for Stochastic Systems
von: Mazouz, Rayan, et al.
Veröffentlicht: (2026)

Learning Markov Processes as Sum-of-Square Forms for Analytical Belief Propagation
von: Amorese, Peter, et al.
Veröffentlicht: (2026)

Provably Safe Motion Planning Under Unknown Disturbances
von: Gracia, Ibon, et al.
Veröffentlicht: (2026)

Temporal Logic Control for Nonlinear Stochastic Systems Under Unknown Disturbances
von: Gracia, Ibon, et al.
Veröffentlicht: (2024)

Uncertainty Propagation in Stochastic Systems via Mixture Models with Error Quantification
von: Figueiredo, Eduardo, et al.
Veröffentlicht: (2024)

Safety Guarantees for Neural Network Dynamic Systems via Stochastic Barrier Functions
von: Mazouz, Rayan, et al.
Veröffentlicht: (2022)

Latent Space Inference via Paired Autoencoders
von: Hart, Emma, et al.
Veröffentlicht: (2026)

Interval Markov Decision Processes with Continuous Action-Spaces
von: Delimpaltadakis, Giannis, et al.
Veröffentlicht: (2022)

IntervalMDP.jl: Accelerated Value Iteration for Interval Markov Decision Processes
von: Mathiesen, Frederik Baymler, et al.
Veröffentlicht: (2024)

Modeling Unknown Stochastic Dynamical System via Autoencoder
von: Xu, Zhongshu, et al.
Veröffentlicht: (2023)

Decoder Decomposition for the Analysis of the Latent Space of Nonlinear Autoencoders With Wind-Tunnel Experimental Data
von: Mo, Yaxin, et al.
Veröffentlicht: (2024)

Barrier Certificates for Unknown Systems with Latent States and Polynomial Dynamics using Bayesian Inference
von: Lefringhausen, Robert, et al.
Veröffentlicht: (2025)

Learning Interpretable Features in Audio Latent Spaces via Sparse Autoencoders
von: Paek, Nathan, et al.
Veröffentlicht: (2025)

Navigating the Latent Space Dynamics of Neural Models
von: Fumero, Marco, et al.
Veröffentlicht: (2025)

Adaptive Compression of the Latent Space in Variational Autoencoders
von: Sejnova, Gabriela, et al.
Veröffentlicht: (2023)

Hybrid Energy-Based Models for Physical AI: Provably Stable Identification of Port-Hamiltonian Dynamics
von: Betteti, Simone, et al.
Veröffentlicht: (2026)

Learning Ordered Representations in Latent Space for Intrinsic Dimension Estimation via Principal Component Autoencoder
von: Zhan, Qipeng, et al.
Veröffentlicht: (2026)

Latent Space Translation via Semantic Alignment
von: Maiorca, Valentino, et al.
Veröffentlicht: (2023)

Disentangled Latent Spaces for Reduced Order Models using Deterministic Autoencoders
von: Schwarz, Henning, et al.
Veröffentlicht: (2025)

Latent Space Characterization of Autoencoder Variants
von: Shrivastava, Anika, et al.
Veröffentlicht: (2024)

Latent Space Translation via Inverse Relative Projection
von: Maiorca, Valentino, et al.
Veröffentlicht: (2024)

Principled Latent Diffusion for Graphs via Laplacian Autoencoders
von: Siraudin, Antoine, et al.
Veröffentlicht: (2026)

A Latent Space Correlation-Aware Autoencoder for Anomaly Detection in Skewed Data
von: Roy, Padmaksha
Veröffentlicht: (2023)

Out of the Shadows: Exploring a Latent Space for Neural Network Verification
von: Koller, Lukas, et al.
Veröffentlicht: (2025)

discretize_distributions: Efficient Quantization of Gaussian Mixtures with Guarantees in Wasserstein Distance
von: Adams, Steven, et al.
Veröffentlicht: (2025)

Efficient Distribution Learning with Error Bounds in Wasserstein Distance
von: Figueiredo, Eduardo, et al.
Veröffentlicht: (2026)

Coupled Transformer Autoencoder for Disentangling Multi-Region Neural Latent Dynamics
von: Sristi, Ram Dyuthi, et al.
Veröffentlicht: (2025)