【CMU】深度学习模型中集成优化、约束和控制，33页ppt

深度学习系统在许多任务中都取得了显著的性能，但要确保生成的模型服从硬约束(在许多控制应用程序中可能经常需要这样做)，常常是出了名的困难。在这次演讲中，我将介绍一些最近的关于在深度学习系统中加强不同类型的约束的工作。具体来说，我将重点介绍最近的一些工作，包括将一般的凸优化问题集成为深网络中的层次，研究保证表示凸函数的学习网络，以及研究增强非线性动力学的全局稳定性的深层动力系统。在所有情况下，我们都强调我们可以设计网络结构来编码这些隐性偏见的方式，这种方式可以让我们轻松地执行这些硬约束。