LSTM神经网络：输入到状态稳定性与概率安全验证
系统与控制
2020-05-29 v2 系统与控制
摘要
本文的目标是从动力系统的角度分析长短期记忆（LSTM）神经网络。描述LSTM演化的经典递归方程可改写为状态空间形式，从而得到一个时不变非线性动力系统。本文给出了保证该类系统输入到状态（ISS）稳定性性质的一个充分条件。ISS性质意味着LSTM输出可达集的有界性。基于这一结果，设计了一种基于情景方法（Scenario Approach）的网络安全性验证新方法。所提方法最终在一个pH中和过程上进行了测试。
引用
@article{arxiv.1912.04377,
title = {LSTM Neural Networks: Input to State Stability and Probabilistic Safety Verification},
author = {Fabio Bonassi and Enrico Terzi and Marcello Farina and Riccardo Scattolini},
journal= {arXiv preprint arXiv:1912.04377},
year = {2020}
}
备注
Accepted for Learning for dynamics & control (L4DC) 2020