基于抽象的神经网络输出范围分析
机器学习
2020-07-21 v1
摘要
在本文中，我们考虑具有ReLU激活函数的前馈神经网络的输出范围分析问题。现有方法将输出范围分析问题归约为可满足性与优化求解，这些是NP难问题，且计算复杂度随网络中神经元数量增加而上升。为应对计算复杂度，我们提出一种新颖的抽象技术，构建具有更少神经元、但带区间权重的更简单神经网络，称为区间神经网络(INN)，其过近似给定神经网络的输出范围。我们将INN上的输出范围分析归约为求解混合整数线性规划问题。我们的实验结果凸显了计算时间与所计算输出范围精度之间的权衡。
引用
@article{arxiv.2007.09527,
title = {Abstraction based Output Range Analysis for Neural Networks},
author = {Pavithra Prabhakar and Zahra Rahimi Afzal},
journal= {arXiv preprint arXiv:2007.09527},
year = {2020}
}
备注
Accepted at NeurIPS 2019