본 논문은 FFNN(feedforward neural networks)으로 구현된 정적 비선형 피드백을 갖는 Lur'e 형태의 비선형 시스템의 국부 안정성을 연구합니다. 긍정성 시스템 제약을 활용하여 Aizerman 추측의 지역화된 변형을 사용하여 컴팩트 집합에 국한된 궤적의 지수 안정성에 대한 충분 조건을 제공합니다. 이를 바탕으로, ROA(Region of Attraction)를 추정하기 위한 두 가지 방법을 개발합니다. 첫째, LMI(linear matrix inequality)를 만족하는 이차 함수의 불변 sublevel sets을 구성하는 덜 보수적인 Lyapunov 기반 접근 방식입니다. 둘째, 선형 완화의 레이어별 전파를 통해 FFNN에 대한 엄격한 로컬 섹터 경계를 계산하는 새로운 기술입니다. 이러한 경계는 국부 지수 안정성을 인증하기 위해 지역화된 Aizerman 프레임워크에 통합됩니다. 수치적 결과는 ROA 크기와 확장성 측면에서 기존의 적분 이차 제약 기반 접근 방식보다 상당한 개선을 보여줍니다.
