RobustNeuralNetworks.jl：具备认证鲁棒性的机器学习与数据驱动控制软件包
机器学习
2025-10-01 v2 系统与控制
系统与控制
摘要
神经网络通常对微小输入扰动敏感，导致意外或脆弱的行为。我们推出 RobustNeuralNetworks.jl：一个 Julia 软件包，用于构建天然满足一组用户定义鲁棒性指标的神经网络模型。该包基于近期提出的循环平衡网络（REN）和 Lipschitz 有界深度网络（LBDN）模型类，并设计为直接与 Julia 最广泛使用的机器学习包 Flux.jl 接口。我们讨论了模型参数化背后的理论，概述了该软件包，并提供了一个教程，展示其在图像分类、强化学习和非线性状态观测器设计中的使用。
引用
@article{arxiv.2306.12612,
title = {RobustNeuralNetworks.jl: a Package for Machine Learning and Data-Driven Control with Certified Robustness},
author = {Nicholas H. Barbara and Max Revay and Ruigang Wang and Jing Cheng and Ian R. Manchester},
journal= {arXiv preprint arXiv:2306.12612},
year = {2025}
}
备注
Accepted to the Proceedings of the JuliaCon Conferences