Без заголовка

>> См., например, end-to-end [deep] learning в системах датчики-моторчики (т.е. без "распознаём сигналы с датчиков и затем синтезируем ответ моторчиков для распознанного") Интересно, как решаются вопросы устойчивости замкнутой системы управления с таким Deep Learning регулятором? А то ведь в ответственных системах управления оборудованием требуется гарантия, что управляющее воздействие регулятора всегда будет приводить к уменьшению ошибки регулирования (конечно, при соответствии объекта управления его расчётной модели). Понятно, что нейронная сеть в теории является универсальным аппроксиматором, но если она на практике будет хотя бы иногда выдавать неправильный результат, то это сильно сужает область применения. PS: Так то нейросетевые регуляторы не новость в теории автоматического управления, как минимум последние лет двадцать пять. Но, в основном, как оптимизирующие и адаптивные надстройки.