論文の概要: A Toolbox for Fast Interval Arithmetic in numpy with an Application to
Formal Verification of Neural Network Controlled Systems
- arxiv url: http://arxiv.org/abs/2306.15340v1
- Date: Tue, 27 Jun 2023 09:50:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 14:01:19.621107
- Title: A Toolbox for Fast Interval Arithmetic in numpy with an Application to
Formal Verification of Neural Network Controlled Systems
- Title(参考訳): numpyにおける高速区間演算のためのツールボックスとニューラルネットワーク制御系の形式検証への応用
- Authors: Akash Harapanahalli, Saber Jafarpour, Samuel Coogan
- Abstract要約: 本稿では,ニューラルネットワーク制御システムの形式的検証に応用した,間隔解析のためのツールボックスについて述べる。
このツールボックスはコンパイル済みのCコードを使った自然な包摂関数の効率的な計算とnumpyの使い慣れたインターフェイスを提供する。
次に、このツールボックスをニューラルネットワークコントローラによる動的システムの形式的検証に使用し、その包含関数の合成を行う。
- 参考スコア(独自算出の注目度): 5.543220407902113
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a toolbox for interval analysis in numpy, with an
application to formal verification of neural network controlled systems. Using
the notion of natural inclusion functions, we systematically construct interval
bounds for a general class of mappings. The toolbox offers efficient
computation of natural inclusion functions using compiled C code, as well as a
familiar interface in numpy with its canonical features, such as n-dimensional
arrays, matrix/vector operations, and vectorization. We then use this toolbox
in formal verification of dynamical systems with neural network controllers,
through the composition of their inclusion functions.
- Abstract(参考訳): 本稿では,numpyにおける区間解析のためのツールボックスと,ニューラルネットワーク制御システムの形式検証への応用について述べる。
自然包含関数の概念を用いて、一般の写像のクラスに対する区間境界を体系的に構成する。
このツールボックスは、コンパイルされたCコードを使った自然な包摂関数の効率的な計算と、n次元配列、行列/ベクトル演算、ベクトル化などの標準的な特徴を持つnumpyの使い慣れたインタフェースを提供する。
次に、このツールボックスをニューラルネットワークコントローラによる動的システムの形式的検証に使用し、その包含関数の合成を行う。
関連論文リスト
- Simulation-based inference with the Python Package sbijax [0.7499722271664147]
sbijaxは、ニューラルネットワークベースの推論に様々な最先端のメソッドを実装するPythonパッケージである。
このパッケージはベイズ近似計算の機能を提供し、モデル診断を計算し、自動的に要約統計を推定する。
論文 参考訳(メタデータ) (2024-09-28T18:47:13Z) - Forward Invariance in Neural Network Controlled Systems [5.359060261460183]
本稿では,ニューラルネットワーク制御器を用いた非線形システムにおける前方不変集合の証明と探索を行うための,区間解析と単調システム理論に基づくフレームワークを提案する。
このフレームワークは、インターバル解析ツールボックス $textttnpinterval$ とシンボリック算術ツールボックス $textttsympy$ を使ってPythonで自動化されています。
論文 参考訳(メタデータ) (2023-09-16T16:49:19Z) - A Data-Driven Hybrid Automaton Framework to Modeling Complex Dynamical
Systems [2.610470075814367]
データ駆動型ハイブリッドオートマトンモデルを提案する。
小規模ニューラルネットワークは、対応するトポロジの局所的力学記述として訓練される。
限界サイクルの数値的な例を示し、発達したモデルが到達可能な集合計算の計算コストを大幅に削減できることを示す。
論文 参考訳(メタデータ) (2023-04-26T20:18:12Z) - Classified as unknown: A novel Bayesian neural network [0.0]
完全連結ニューラルネットワークのための効率の良いベイズ学習アルゴリズムを開発した。
多層パーセプトロンから多層パーセプトロンへの二元分類のための単一パーセプトロンのアルゴリズムを一般化する。
論文 参考訳(メタデータ) (2023-01-31T04:27:09Z) - Intelligence Processing Units Accelerate Neuromorphic Learning [52.952192990802345]
スパイキングニューラルネットワーク(SNN)は、エネルギー消費と遅延の観点から、桁違いに改善されている。
我々は、カスタムSNN PythonパッケージsnnTorchのIPU最適化リリースを提示する。
論文 参考訳(メタデータ) (2022-11-19T15:44:08Z) - Adaptive Group Lasso Neural Network Models for Functions of Few
Variables and Time-Dependent Data [4.18804572788063]
対象関数をディープニューラルネットワークで近似し、適切な隠れ層の重みに適応したグループLassoを強制する。
実験により,提案手法はスパース辞書行列法を含む最近の最先端手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2021-08-24T16:16:46Z) - Intersection Regularization for Extracting Semantic Attributes [72.53481390411173]
本稿では,ネットワーク抽出した特徴が意味属性のセットと一致するように,教師付き分類の問題を考える。
例えば、鳥類のイメージを種に分類することを学ぶとき、動物学者が鳥類を分類するために使用する特徴の出現を観察したい。
本稿では,複数層パーセプトロン(MLP)と並列決定木を併用した,離散的なトップレベルアクティベーションを持つニューラルネットワークのトレーニングを提案する。
論文 参考訳(メタデータ) (2021-03-22T14:32:44Z) - UNIPoint: Universally Approximating Point Processes Intensities [125.08205865536577]
学習可能な関数のクラスが任意の有効な強度関数を普遍的に近似できることを示す。
ニューラルポイントプロセスモデルであるUNIPointを実装し,各イベントの基底関数の和をパラメータ化するために,リカレントニューラルネットワークを用いた。
論文 参考訳(メタデータ) (2020-07-28T09:31:56Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳(メタデータ) (2020-07-02T17:55:47Z) - A Trainable Optimal Transport Embedding for Feature Aggregation and its
Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。
我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文 参考訳(メタデータ) (2020-06-22T08:35:58Z) - Formal Synthesis of Lyapunov Neural Networks [61.79595926825511]
本稿では,リアプノフ関数の自動合成法を提案する。
我々は,数値学習者と記号検証器が相互作用して,確実に正しいリアプノフニューラルネットワークを構築する,反例誘導方式を採用する。
提案手法は,Lyapunov関数を他の手法よりも高速かつ広い空間領域で合成する。
論文 参考訳(メタデータ) (2020-03-19T17:21:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。