Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Local Stability and Region of Attraction Analysis for Neural Network Feedback Systems under Positivity Constraints

Created by
  • Haebom

저자

Hamidreza Montazeri Hedesh, Moh Kamalul Wafi, Milad Siami

개요

본 논문은 정적 비선형 피드백을 이용하여 피드포워드 신경망(FFNNs)으로 구현된 Lur'e 형태의 비선형 시스템의 국소 안정성을 연구합니다. 양성 시스템 제약 조건을 활용하여, 컴팩트 집합에 국한된 궤적의 지수 안정성에 대한 충분 조건을 제공하는 국소화된 Aizerman 추측을 사용합니다. 이를 바탕으로, 두 가지 방법으로 인력 영역(ROA)을 추정합니다. 첫째, 선형 행렬 부등식(LMI)을 만족하는 이차 함수의 불변 하위 레벨 집합을 구성하는 보다 보수적이지 않은 Lyapunov 기반 접근 방식입니다. 둘째, 선형 완화의 계층별 전파를 통해 FFNN에 대한 엄격한 국소 섹터 경계를 계산하는 새로운 기법입니다. 이러한 경계는 국소화된 Aizerman 프레임워크에 통합되어 국소 지수 안정성을 인증합니다. 수치 결과는 ROA 크기와 확장성 측면에서 기존의 적분 이차 제약 기반 접근 방식에 비해 상당한 개선을 보여줍니다.

시사점, 한계점

시사점:
Lur'e 형태 비선형 시스템의 국소 안정성 분석에 대한 새로운 방법 제시.
Lyapunov 기반 접근과 국소 섹터 경계 계산 기법을 결합하여 기존 방법보다 더 큰 ROA 추정 가능.
FFNN을 사용한 비선형 시스템 분석에 대한 효율적인 방법 제공.
수치 결과를 통해 기존 방법 대비 성능 향상을 실험적으로 검증.
한계점:
제안된 방법은 국소 안정성에만 초점을 맞추고 있으며, 전역 안정성에 대한 분석은 포함하지 않음.
FFNN의 복잡성이 증가함에 따라 계산 비용이 증가할 수 있음.
제안된 방법의 적용 가능성은 Lur'e 형태의 시스템으로 제한됨.
국소 섹터 경계 계산의 정확도가 ROA 추정의 정확도에 영향을 미칠 수 있음.
👍