一种基于深度学习和符号回归的障碍证书生成方法及系统

本发明提供了一种基于深度学习和符号回归的障碍证书生成方法及系统，涉及数据处理技术领域，方法包括：获取连续动力系统中的初始区域、不安全区域和状态域；分别在初始区域、不安全区域和状态域上进行采样操作，生成训练集；结合损失函数和Adam优化器，将训练集输入至神经网络进行训练，输出神经网络形式的候选障碍证书，其中，损失函数基于初始区域损失、不安全区域损失以及状态域损失建立；通过蒸馏器，对候选障碍证书进行符号回归，得到解析型候选障碍证书；通过SMT求解器，对解析型候选障碍证书的形式进行正确性验证，若正确，将候选障碍证书作为目标障碍证书输出，否则，生成反例集，形成新的训练集，重新对神经网络进行训练。...

Full description

Saved in:
Bibliographic Details
Format Patent
LanguageChinese
Published 05.09.2025
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
ELECTRIC DIGITAL DATA PROCESSING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:本发明提供了一种基于深度学习和符号回归的障碍证书生成方法及系统，涉及数据处理技术领域，方法包括：获取连续动力系统中的初始区域、不安全区域和状态域；分别在初始区域、不安全区域和状态域上进行采样操作，生成训练集；结合损失函数和Adam优化器，将训练集输入至神经网络进行训练，输出神经网络形式的候选障碍证书，其中，损失函数基于初始区域损失、不安全区域损失以及状态域损失建立；通过蒸馏器，对候选障碍证书进行符号回归，得到解析型候选障碍证书；通过SMT求解器，对解析型候选障碍证书的形式进行正确性验证，若正确，将候选障碍证书作为目标障碍证书输出，否则，生成反例集，形成新的训练集，重新对神经网络进行训练。
Bibliography:Application Number: CN202510604573