摘要
亚历山德罗·阿巴特、丹尼尔·艾哈迈德、亚历克·爱德华兹、米尔科·贾科布和安德烈亚·佩鲁福。 2021.FOSSIL:使用神经网络对Lyapunov函数和屏障证书进行正式合成的软件工具。 《混合系统:计算与控制国际会议论文集》。 1–11. 谷歌学者 数字图书馆 亚历山德罗·阿巴特(Alessandro Abate)、丹尼尔·艾哈迈德(Daniele Ahmed)、米尔科·贾科布(Mirco Giacobe)和安德烈亚·佩鲁福(Andrea Peruffo)。 2020年,Lyapunov神经网络的正式合成。 IEEE控制系统快报5,3(2020),773–778。 谷歌学者 交叉引用 丹尼尔·艾哈迈德(Daniele Ahmed)、安德烈亚·佩鲁福(Andrea Peruffo)和亚历山德罗·阿巴特(Alessandro Abate)。 2020年。使用SMT解算器实现李亚普诺夫函数的自动化和合理合成。 程序中。 TACAS的。 施普林格,97–114。 谷歌学者 张亚谦(Ya-Cheen Chang)、尼玛·鲁希(Nima Roohi)和高思春(Sicun Gao)。 2019.神经Lyapunov控制。 《神经信息处理系统进展》32(2019年)。 谷歌学者 陈绍如(Shaoru Chen)、马哈亚尔·法兹利亚布(Mahyar Fazlyab)、曼弗雷德·莫拉里(Manfred Morari)、乔治·帕帕斯(George J Pappas)和维克多·普雷西亚多(Victor M Preciado)。 2021.学习混合系统的Lyapunov函数。 《混合系统:计算与控制国际会议论文集》。 1–11. 谷歌学者 陈绍如(Shaoru Chen)、马哈亚尔·法兹利亚布(Mahyar Fazlyab)、曼弗雷德·莫拉里(Manfred Morari)、乔治·帕帕斯(George J Pappas)和维克多·普雷西亚多(Victor M Preciado)。 2021.非线性系统的学习吸引区。 IEEE决策与控制会议记录。 IEEE,6477–6484。 谷歌学者 数字图书馆 戴洪凯(Hongkai Dai)、贝诺伊·兰德里(Benoit Landry)、马可·帕沃内(Marco Pavone)和罗斯·特德雷克(Russ Tedrake)。 2020年.分段线性系统的神经网络Lyapunov函数的反例引导综合。 程序中。 疾病控制与预防中心。 1274–1281. 谷歌学者 数字图书馆 戴洪凯(Hongkai Dai)、贝诺伊·兰德里(Benoit Landry)、杨路杰(Lujie Yang)、马可·帕沃内(Marco Pavone)和罗斯·特德雷克(Russ Tedrake)。 2021.Lyapunov稳定神经网络控制。 程序中。 RSS的。 谷歌学者 交叉引用 查尔斯·道森(Charles Dawson)、高思春(Sicun Gao)和范楚楚(Chuchu Fan)。 2023.具有学习证书的安全控制:机器人和控制的神经李亚普诺夫、屏障和收缩方法调查。 IEEE机器人学报(2023年)。 谷歌学者 莱昂纳多·德·莫拉和尼古拉·比约纳。 2008年。Z3:高效的SMT求解器。 程序中。 TACAS的。 施普林格,337–340。 谷歌学者 亚历克·爱德华兹(Alec Edwards)、安德烈亚·佩鲁福(Andrea Peruffo)和亚历山德罗·阿巴特(Alessandro Abate)。 2023.Fossil 2.0:动态模型验证和控制的正式证书综合。 arXiv预打印arXiv:2311.09793(2023)。 谷歌学者 Nathan Gaby、Fumin Zhang和Xiaojing Ye,2022年。 Lyapunov网:用于Lyapunov-函数近似的深度神经网络架构。 IEEE决策与控制会议记录。 IEEE,2091–2096。 谷歌学者 交叉引用 高思春、孔顺浩和埃德蒙·克拉克,2013年。 dReal:一个SMT解算器,用于实域上的非线性理论。 在自动扣减国际会议记录中。 208–214. 谷歌学者 数字图书馆 彼得·吉斯尔。 2007.使用径向基函数构造全局Lyapunov函数。 第1904卷。 斯普林格。 谷歌学者 Peter Giesl和Sigurdur Hafstein。 2015.李亚普诺夫函数计算方法综述。 离散和连续动力系统-B 20,8(2015),2291。 谷歌学者 交叉引用 拉尔斯·格吕内(Lars Grüne)。 2021.使用深度神经网络计算Lyapunov函数。 计算动力学杂志8,2(2021)。 谷歌学者 拉尔斯·格吕内(Lars Grüne)。 2021.克服在小增益条件下用深度神经网络逼近Lyapunov函数的维数灾难。 IFAC论文在线54,9(2021),317–322。 谷歌学者 交叉引用 Wassim M Haddad和Vijay Sekhar Chellaboina。 2008年,非线性动力系统与控制:基于Lyapunov的方法。 普林斯顿大学出版社。 谷歌学者 Charles R Harris、K Jarrod Millman、Stéfan J Van Der Walt、Ralf Gommers、Pauli Virtanen、David Cournapeau、Eric Wieser、Julian Taylor、Sebastian Berg、Nathaniel J Smith,2020年。 使用NumPy进行数组编程。 《自然》5857825(2020),357-362。 谷歌学者 Joblib开发团队。 2023.Joblib:将Python函数作为管道作业运行。 https://joblib.readthedocs.io网站/ 谷歌学者 摩根·琼斯和马修·M·皮特。 2021.逆李亚普诺夫函数和收敛到非线性系统最大吸引区域的内逼近。 程序中。 疾病控制与预防中心。 IEEE,5312–5319。 谷歌学者 数字图书馆 魏康、孙凯、梁旭。 2023.吸引力领域的数据驱动计算方法和Zubov方程。 IEEE传输。 自动化。 控制(2023年)。 谷歌学者 James Kapinski、Jyotirmoy V Deshmukh、Sriram Sankaranarayanan和Nikos Arechiga。 2014.混合动力系统的模拟引导Lyapunov分析。 程序中。 HSCC的。 133–142. 谷歌学者 数字图书馆 拉里萨·科达达迪(Larissa Khodadadi)、贝扎德·萨马迪(Behzad Samadi)和哈米德·卡卢扎德(Hamid Khaloozadeh)。 2014.多项式非线性系统吸引区域的估计:一种数值方法。 ISA Transactions 53,1(2014),25-32。 谷歌学者 交叉引用 Isaac E Lagaris、Aristidis Likas和Dimitrios I Fotiadis。 1998年。用于求解常微分方程和偏微分方程的人工神经网络。 IEEE神经网络汇刊9,5(1998),987–1000。 谷歌学者 数字图书馆 刘军(Jun Liu)、孟一鸣(Yiming Meng)、麦克斯韦尔·菲茨西蒙斯(Maxwell Fitzsimmons)和周瑞坤(Ruikun Zhou)。 2023.物理信息神经网络Lyapunov函数:PDE表征、学习和验证。 arXiv预打印arXiv:2312.09131(2023)。 谷歌学者 刘军(Jun Liu)、孟一鸣(Yiming Meng)、麦克斯韦尔·菲茨西蒙斯(Maxwell Fitzsimmons)和周瑞坤(Ruikun Zhou)。 2023.学习和验证最大神经Lyapunov函数。 IEEE决策与控制会议记录。 谷歌学者 交叉引用 刘军(Jun Liu)、孟一鸣(Yiming Meng)、麦克斯韦尔·菲茨西蒙斯(Maxwell Fitzsimmons)和周瑞坤(Ruikun Zhou)。 2024.互联非线性系统稳定性分析的可组合验证向量神经李亚普诺夫函数。 程序中。 ACC的。 谷歌学者 刘军、孟一鸣和周瑞坤。 2024.带控制的LyZNet:具有形式保证的非线性系统的物理信息神经网络控制。 第八届IFAC混合动力系统分析与设计会议记录。 谷歌学者 Y.Long和M.M.Bayoumi。 1993年。反馈稳定:神经网络建模的控制Lyapunov函数。 程序中。 疾病控制与预防中心。 2812–2814卷。 谷歌学者 亚历山大·米哈伊洛维奇·利亚普诺夫。 1992年,运动稳定性的一般问题。 国际。 J.对照55,3(1992),531–534。 谷歌学者 交叉引用 孟一鸣、周瑞坤和刘军。 2023.通过Zubov-Koopman提升学习未知动力系统中的吸引区域:正则性和收敛性。 arXiv预打印arXiv:2311.15119(2023)。 谷歌学者 孟一鸣、周瑞坤和刘军。 2024.Zubov-Koopman学习最大Lyapunov函数。 美国控制会议记录。 谷歌学者 孟一鸣、周瑞坤、阿马蒂亚·穆克吉、麦克斯韦尔·菲茨西蒙斯、克里斯托弗·宋和刘军。 2024,《基于物理的神经网络策略迭代:算法、收敛和验证》。 arXiv预印本(2024)。 谷歌学者 Aaron Meurer、Christopher P Smith、Mateusz Paprocki、Ondřej Jortík、Sergey B Kirpichev、Matthew Rocklin、AMiT Kumar、Sergiu Ivanov、Jason k Moore、Sartaj Singh,2017年。 SymPy:Python中的符号计算。 PeerJ Computer Science 3(2017),e103。 谷歌学者 交叉引用 安迪·帕卡德(Andy Packard)、乌夫克·托普(Ufuk Topcu)、小彼得·塞勒(Peter J Seiler Jr)和加里·巴拉斯(Gary Balas)。 2010年。关于SOS的帮助。 IEEE控制系统杂志30,4(2010),18-23。 谷歌学者 交叉引用 安东尼斯·帕帕克里斯托杜鲁和斯蒂芬·普拉纳。 2002.关于使用平方和分解构造Lyapunov函数。 IEEE决策与控制会议论文集,第3卷。 IEEE,3482–3487。 谷歌学者 交叉引用 安东尼斯·帕帕克里斯托杜鲁和斯蒂芬·普拉纳。 2005年,系统分析平方和技术教程。 程序中。 ACC.IEEE,2686–2700。 谷歌学者 交叉引用 Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga,2019年。 Pytorch:一个命令式、高性能的深度学习库。 《神经信息处理系统进展》32(2019年)。 谷歌学者 丹尼尔·普罗霍罗夫。 非线性系统稳定性分析的Lyapunov机器。 1994年IEEE神经网络国际会议论文集(ICNN'94),第2卷。 IEEE,1028–1031。 谷歌学者 交叉引用 Maziar Raissi、Paris Perdikaris和George E Karniadakis。 2019.基于物理的神经网络:用于解决涉及非线性偏微分方程的正问题和逆问题的深度学习框架。 计算物理杂志378(2019),686-707。 谷歌学者 交叉引用 鲁道夫·塞普尔赫里(Rodolphe Sepulchre)、德尔詹·扬科维奇(Mrdjan Jankovic)和彼得·科科托维奇(Petar V Kokotovic)。 2012.建设性非线性控制。 施普林格科技与商业媒体。 谷歌学者 谭卫红和安德鲁·帕卡德。 2008.使用多项式和复合多项式Lyapunov函数以及平方和编程进行稳定区分析。 IEEE传输。 自动化。 对照53,2(2008),565-571。 谷歌学者 交叉引用 Ufuk Topcu、Andrew Packard和Peter Seiler。 2008年。使用模拟和平方和编程进行局部稳定性分析。 Automatica 44,10(2008),2669-2675。 谷歌学者 数字图书馆 安东尼·范内利和马图库马利·维迪亚萨加。 自治非线性系统的最大Lyapunov函数和吸引域。 Automatica 21,1(1985),69–80。 谷歌学者 数字图书馆 保利·维塔宁(Pauli Virtanen)、拉尔夫·戈莫斯(Ralf Gommers)、特拉维斯·奥列芬特(Travis E Oliphant)、马特·哈伯兰(Matt Haberland)、泰勒·雷迪(Tyler Reddy)、大卫·库纳波(David Cournapau)、叶夫根尼·布洛夫斯基(Evgeni Burovski。 SciPy 1.0:Python中科学计算的基本算法。 《自然方法》17,3(2020),261-272。 谷歌学者 周瑞坤(Ruikun Zhou)、塔宁石英(Thanin Quartz)、汉斯·德斯特克(Hans De Sterck)和刘军(Jun Liu)。 2022.具有稳定性保证的未知非线性系统的神经Lyapunov控制。 神经信息处理系统进展。 谷歌学者 五、一、。 祖波夫。 1964.A.M.Lyapunov方法及其应用。 诺德霍夫。 谷歌学者
建议
具有形式保证的稳定性分析和控制的物理信息神经网络 HSCC’24:第27届ACM混合系统国际会议论文集:计算与控制 本文提出了用于非线性系统分析和控制的物理信息神经网络(PINNs)。 PINN用于求解偏微分方程(PDE)。 我们展示了它们在各种挑战中的应用。。。