Fast BATLLNN：两级格神经网络快速盒分析
机器学习
2021-11-18 v1 系统与控制
系统与控制
机器学习
摘要
在本文中，我们提出工具“两级格神经网络快速盒分析”（Fast BATLLNN）作为两级格（TLL）神经网络（NN）盒状输出约束的快速验证器。具体而言，Fast BATLLNN 可验证：当给定 TLL NN 的输入被约束于某个指定的凸多面体（不一定是超矩形）时，其输出是否始终位于指定的超矩形内。Fast BATLLNN 利用 TLL 架构独特的语义以及盒状输出约束的解耦特性，相对于已知的针对具有一般多面体输出约束的 TLL 的多项式时间验证算法，大幅提升了验证性能。本文中，我们评估了 Fast BATLLNN 的性能与可扩展性，既包括其自身表现，也包括其与应用于 TLL NN 的最先进 NN 验证器的对比。Fast BATLLNN 即便与最快的 NN 验证器相比也极具优势，在我们的合成 TLL 测试基准上比最接近的竞争者快 400 倍以上。
引用
@article{arxiv.2111.09293,
title = {Fast BATLLNN: Fast Box Analysis of Two-Level Lattice Neural Networks},
author = {James Ferlez and Haitham Khedr and Yasser Shoukry},
journal= {arXiv preprint arXiv:2111.09293},
year = {2021}
}