Taylor Lyapunov 网络用于学习最大吸引域
热点事件持续更新
Taylor Lyapunov 网络用于学习最大吸引域
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Matthieu Barreau 和 Nicola Bastianello 提出 Taylor Lyapunov 网络，用于学习非线性动力系统的最大吸引域，并证明该网络能够在紧致计算域上通用逼近最大 Lyapunov 函数。 该方法利用系统线性化确定二次主导项，通过结构化三次因子分解表示高阶余项，从网络架构上保证局部 Lyapunov 函数条件。在此基础上，研究推导了紧致计算域上的 Lyapunov 和 Zubov 定理，并结合无监督、物理信息驱动的训练方法估计最大吸引域。不同维度和稳定性类型系统上的数值实验显示，该方法能够高效完成这一估计。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
Taylor Lyapunov Networks：基于 Taylor 展开的神经网络学习紧集上的最大吸引域报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · Machine LearningTaylor Lyapunov Networks：基于 Taylor 展开的神经网络学习紧集上的最大吸引域
Taylor Lyapunov network 通过系统线性化确定二次主导项，并以结构化三次因子分解表示高阶余项，从架构上保证网络满足局部 Lyapunov 函数条件。研究在紧计算域上推导 Lyapunov 和 Zubov 定理，并证明该网络可通用逼近最大 Lyapunov 函数。结合无监督、物理信息驱动的训练方法，数值实验验证了其估计最大吸引域的效率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。