Robuste neuronale ODEs durch einen Minimax-Ansatz für optimale Steuerung

Wir interpretieren das adversarische Training neuronaler ODEs aus der Perspektive der robusten Steuerungstheorie und leiten die notwendigen Optimalitätsbedingungen in Form des Pontryaginschen Maximumprinzips her. Darauf aufbauend entwickeln wir ein numerisches Verfahren, das auf einer gewichteten Approximation der Worst-Case-Perturbationen basiert.