arXiv cs.LG· Haoyu Zhu, Xiaochen Zhang, Qingchun Hou·2026-10-30 12:00· 4 天前AI 评分34

Convex-SKM-Net：面向神经网络凸约束满足的低延迟块半空间校正

Convex-SKM-Net: Low-Latency Block Halfspace Corrections for Neural Convex Constraint Satisfaction

AI 导读

Convex-SKM-Net 提出一种凸约束满足层，利用残差与次梯度构建线性化半空间，并采用固定深度对偶 PGD 实现快速推理。实验显示其在 SOC-MPC 和凸 QCQP 基准上推理速度分别提升最高 144.3x 和 7.7x，测试输出均满足 10^-3 可行性容差。联合学习正定 mobility 还将仿射任务平均差距降低 22.4%，QCQP 平均目标差距仅为 0.012%。

来源：arXiv cs.LG · arxiv.org

#论文/研究 #arXiv