LEARNING开放获取
Twincher:面向连续系统鲁棒逆映射的双射表示学习
Arkady Gonoskov
2026
摘要
本文提出Twincher架构,通过结构化微分同胚变换和对抗训练学习输入与输出间的双射表示,实现对连续前向过程的鲁棒逆映射。实验表明该方法相比基线逆模型方法具有更高的数据效率和鲁棒性。
关键词
bijective representationinverse problemdiffeomorphic transformationadversarial trainingrobust inversion
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