Literatur vom gleichen Autor/der gleichen Autor*in
plus bei Google Scholar

Bibliografische Daten exportieren
 

Overcoming the curse of dimensionality for approximating Lyapunov functions with deep neural networks under a small-gain condition

Titelangaben

Grüne, Lars:
Overcoming the curse of dimensionality for approximating Lyapunov functions with deep neural networks under a small-gain condition.
In: IFAC-PapersOnLine. Bd. 54 (2021) Heft 9 . - S. 317-322.
ISSN 2405-8963
DOI: https://doi.org/10.1016/j.ifacol.2021.06.152

Dies ist die aktuelle Version des Eintrags.

Volltext

Link zum Volltext (externe URL): Volltext

Weitere URLs

Angaben zu Projekten

Projektfinanzierung: Deutsche Forschungsgemeinschaft

Abstract

We propose a deep neural network architecture for storing approximate Lyapunov functions of systems of ordinary differential equations. Under a small-gain condition on the system, the number of neurons needed for an approximation of a Lyapunov function with fixed accuracy grows only polynomially in the state dimension, i.e., the proposed approach is able to overcome the curse of dimensionality.

Weitere Angaben

Publikationsform: Artikel in einer Zeitschrift
Begutachteter Beitrag: Ja
Zusätzliche Informationen: to appear
Keywords: deep neural network; Lyapunov function; stability; small-gain condition; curse of dimensionality
Institutionen der Universität: Fakultäten
Fakultäten > Fakultät für Mathematik, Physik und Informatik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Mathematik V (Angewandte Mathematik)
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Mathematik V (Angewandte Mathematik) > Lehrstuhl Mathematik V (Angewandte Mathematik) - Univ.-Prof. Dr. Lars Grüne
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Angewandte Mathematik (Angewandte Mathematik)
Profilfelder
Profilfelder > Advanced Fields
Profilfelder > Advanced Fields > Nichtlineare Dynamik
Forschungseinrichtungen > Forschungszentren > Forschungszentrum für Modellbildung und Simulation (MODUS)
Forschungseinrichtungen
Forschungseinrichtungen > Forschungszentren
Titel an der UBT entstanden: Ja
Themengebiete aus DDC: 500 Naturwissenschaften und Mathematik > 510 Mathematik
Eingestellt am: 20 Mai 2020 07:19
Letzte Änderung: 27 Sep 2021 04:53
URI: https://eref.uni-bayreuth.de/id/eprint/55190

Zu diesem Eintrag verfügbare Versionen