LEARNING开放获取
桥接控制与神经网络验证器alpha-beta-CROWN:教程
Haoyu Li, Xiangru Zhong, Hao Cheng, Bin Hu, Huan Zhang
2026
摘要
本教程提出了一个统一框架,通过将控制问题与先进的神经网络验证器alpha-beta-CROWN相结合,实现了对神经网络控制器属性的可扩展形式验证。该框架利用alpha-beta-CROWN的通用边界引擎,为非线性函数提供认证边界和线性松弛,从而支持可达性分析、可满足性检查和优化等任务。
关键词
neural network verificationalpha-beta-CROWNcontrol synthesisformal verificationLyapunov theory
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026