FI-ODE：神经常微分方程中的可证明鲁棒前向不变性
机器学习
2023-12-25 v4
摘要
前向不变性是控制理论中研究已久的性质，用于证明动力系统在所有时刻均保持在某预指定状态集合内，并且也容许鲁棒性保证（例如，该证书在扰动下成立）。我们提出了一种用于在神经常微分方程（Neural ODEs）中训练和可证明认证鲁棒前向不变性的通用框架。我们应用该框架为鲁棒连续控制提供认证安全性。据我们所知，这是首个训练具有此类非平凡可证明保证的神经常微分方程策略的实例。此外，我们通过将该框架用于认证图像分类的对抗鲁棒性，探讨了其通用性。
引用
@article{arxiv.2210.16940,
title = {FI-ODE: Certifiably Robust Forward Invariance in Neural ODEs},
author = {Yujia Huang and Ivan Dario Jimenez Rodriguez and Huan Zhang and Yuanyuan Shi and Yisong Yue},
journal= {arXiv preprint arXiv:2210.16940},
year = {2023}
}