在 ReLU 神经网络中寻找输出性质的输入刻画
机器学习
2020-03-26 v1 神经与进化计算
机器学习
摘要
深度神经网络（Deep Neural Networks, DNNs）已成为一种强大的机制，并日益部署于现实世界的安全关键领域。尽管取得了广泛成功，其复杂架构使得证明任何形式化保证都十分困难。识别高层正确性的逻辑概念如何与复杂的低层网络架构相关联是一项重大挑战。在本项目中，我们扩展了中所提出的思路，并引入了一种弥合架构与高层规范之间差距的方法。我们的关键见解是，不直接证明所需的安全性质，而是先证明与神经网络结构密切相关的性质，并利用它们来推理安全性质。我们为该方法建立了理论基础，并通过各种实验对性能进行了经验评估，通过识别出保证输出上某一性质的更大输入空间区域，取得了比现有方法更有前景的结果。
引用
@article{arxiv.2003.04273,
title = {Finding Input Characterizations for Output Properties in ReLU Neural Networks},
author = {Saket Dingliwal and Divyansh Pareek and Jatin Arora},
journal= {arXiv preprint arXiv:2003.04273},
year = {2020}
}
备注
5 page