门控图神经网络的输入状态稳定性
机器人学
2024-03-12 v3
摘要
在本文中，我们旨在寻找门控图神经网络（GGNNs）的输入状态稳定性（ISS）和增量输入状态稳定性（ISS）条件。我们表明，这一循环版本的图神经网络（GNNs）可表述为动态分布式系统，因此可利用基于模型的技术分析其稳定性与鲁棒性。随后，所发现的稳定性准则可作为训练过程中的约束，以强制神经网络的内部稳定性。两个分布式控制示例——集群控制和多机器人运动控制——表明，使用这些条件提升了门控 GNN 的性能与鲁棒性。
引用
@article{arxiv.2305.19235,
title = {Input State Stability of Gated Graph Neural Networks},
author = {Antonio Marino and Claudio Pacchierotti and Paolo Robuffo Giordano},
journal= {arXiv preprint arXiv:2305.19235},
year = {2024}
}