递归神经网络对控制系统流的通用逼近
系统与控制
2023-09-20 v2 系统与控制
摘要
我们考虑逼近带输入的连续时间动力学系统流函数的问题。众所周知，连续时间递归神经网络是此类系统的通用逼近器。本文中，我们证明一种基于离散时间递归神经网络的架构可通用逼近带输入的连续时间动力学系统的流。所要求的假设被证明对动力学为良态常微分方程且输入信号属于实际相关类别的系统成立。这使得能够使用现成方案从采样轨迹数据学习此类连续时间流函数。
引用
@article{arxiv.2304.00352,
title = {Universal approximation of flows of control systems by recurrent neural networks},
author = {Miguel Aguiar and Amritam Das and Karl H. Johansson},
journal= {arXiv preprint arXiv:2304.00352},
year = {2023}
}
备注
Accepted to the 62nd IEEE Conference on Decision and Control