基于元学习的动态系统自适应稳定性证书
系统与控制
2023-12-27 v1 机器学习
系统与控制
摘要
本文解决了动态系统中基于神经网络的自适应稳定性认证问题。最先进的方法，如神经Lyapunov函数（NLF），使用基于神经网络的公式来评估非线性动态系统的稳定性并计算状态空间中的吸引域（ROA）。然而，在参数不确定性下，如果系统参数的值随时间变化，NLF方法无法适应这种变化，可能导致保守的稳定性评估性能。我们通过将模型无关元学习（MAML）与NLF集成来规避这个问题，并提出了meta-NLF。在此过程中，我们训练一个元函数，该函数适应任何参数偏移，并更新为具有新测试时间参数值的系统的NLF。我们在一些标准基准自主动态系统上展示了meta-NLF的稳定性评估性能。
引用
@article{arxiv.2312.15340,
title = {Meta-Learning-Based Adaptive Stability Certificates for Dynamical Systems},
author = {Amit Jena and Dileep Kalathil and Le Xie},
journal= {arXiv preprint arXiv:2312.15340},
year = {2023}
}
备注
This article has been accepted for AAAI-24 (The 38th Annual AAAI Conference on Artificial Intelligence)