LEARNING
环境约束下学习受控动力学的输入-状态稳定束库普曼神经常微分方程
Lin Feng
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出ISS-BKNO框架，融合库普曼算子、神经常微分方程、纤维束几何与输入-状态稳定性，在保证全局收敛和可计算ISS增益的同时学习受控非线性动力学。通过束感知编码器、环境条件库普曼骨干和残差神经常微分校正的三阶段提升管道，结合李雅普诺夫ISS正则化，实现了对复杂环境约束下动力学的稳定学习。
关键词
Koopman operatorneural ODEinput-to-state stabilitycontrolled dynamicsfiber bundle
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018