神经网络的安全使用

现代通信系统中的神经网络易受内部数值错误影响，这些错误会极大地影响决策结果。此类结构由许多节段组成，每一节段通常包含加权运算和激活函数求值。安全使用源于采用基于数字的编码方法，这些方法可检测网络处理步骤中的算术错误。每组运算以两种方式生成由某一编码决定的奇偶校验值。一组奇偶校验值取自节段输出，而另一组可比校验值直接由原始输入生成。保护激活函数的奇偶校验值涉及对激活函数的泰勒级数近似。我们聚焦于使用长数值卷积码，因为数据集规模庞大。这些码基于离散傅里叶变换核，且有多种设计选项可用。数学程序仿真表明我们的检错技术有效且高效。