通过融合泰勒模型与zonotope验证神经网络控制系统
系统与控制
2022-07-07 v2 人工智能
数值分析
系统与控制
动力系统
数值分析
摘要
我们研究带有神经网络控制器（NNCS）的闭环动力系统的验证问题。该问题通常可归约为计算可达状态集合。当孤立地考虑动力系统与神经网络时，分别存在基于称为泰勒模型（Taylor models）和zonotope的集合表示的精确方法。然而，将这些方法结合到NNCS中并非易事，因为在集合表示间转换时，每个控制周期都会丢失依赖信息，累积的近似误差很快使结果失效。我们提出一种链式结合基于泰勒模型和zonotope的方法的算法，从而得到一种精确的NNCS可达性算法。由于该算法仅作用于孤立方法的接口处，它适用于一般动力系统与神经网络，并可从这些领域的未来进展中受益。我们的实现达到了最先进的性能，并且是首个成功分析某年度NNCS可达性竞赛所有基准问题的方案。
引用
@article{arxiv.2112.09197,
title = {Verification of Neural-Network Control Systems by Integrating Taylor Models and Zonotopes},
author = {Christian Schilling and Marcelo Forets and Sebastian Guadalupe},
journal= {arXiv preprint arXiv:2112.09197},
year = {2022}
}