循环神经网络的性质导向验证
机器学习
2020-09-23 v1 人工智能
形式语言与自动机理论
机器学习
摘要
本文提出一种验证循环神经网络（RNNs）的性质导向方法。为此，我们使用主动自动机学习从给定RNN中学习一个确定性有限自动机作为替代模型，随后可使用模型检测作为验证技术对该模型进行分析。术语“性质导向”反映了我们的过程由给定性质引导和控制，而非将两步分开执行。我们表明，这不仅能让我们快速发现小的反例，还能通过泵引理将其推广到指向RNN中潜在错误的故障流。
引用
@article{arxiv.2009.10610,
title = {Property-Directed Verification of Recurrent Neural Networks},
author = {Igor Khmelnitsky and Daniel Neider and Rajarshi Roy and Benoît Barbot and Benedikt Bollig and Alain Finkel and Serge Haddad and Martin Leucker and Lina Ye},
journal= {arXiv preprint arXiv:2009.10610},
year = {2020}
}