登入
洞見 - 고차원 동적 시스템 분석
고차원 시스템의 적응형 샘플링을 통한 커미터 함수 계산을 위한 딥러닝 방법
본 연구에서는 고차원 동적 시스템의 전이 과정을 이해하기 위해 적응형 샘플링 기법을 활용한 딥러닝 기반 커미터 함수 계산 방법을 제안한다. 제안된 방법은 학습된 커미터 함수를 활용하여 전이 튜브 전체에 걸쳐 균일한 데이터를 생성할 수 있어, 복잡한 시스템에서의 전이 메커니즘 분석에 효과적이다.
고차원 비선형 Hamilton-Jacobi 도달가능성을 위한 적대적 오차를 가진 상태 증강 선형 게임
상태 증강 선형 게임에서의 적대적 오차를 활용하여 비선형 시스템의 Hamilton-Jacobi 도달가능성 값을 보수적으로 근사할 수 있다.
