論文の概要: Efficient Interaction-Aware Interval Analysis of Neural Network Feedback Loops

• arxiv url: http://arxiv.org/abs/2307.14938v3
• Date: Thu, 27 Jun 2024 16:00:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-28 20:26:08.433336
• Title: Efficient Interaction-Aware Interval Analysis of Neural Network Feedback Loops
• Title（参考訳）: ニューラルネットワークフィードバックループの効率的な相互作用認識区間解析
• Authors: Saber Jafarpour, Akash Harapanahalli, Samuel Coogan,
• Abstract要約: 本稿では,ニューラルネットワークコントローラを用いたシステムの間隔到達性向上のための計算効率のよいフレームワークを提案する。 オープンループシステムとニューラルネットワークコントローラの包摂関数を用いて、閉ループシステムをより大きな次元埋め込みシステムに埋め込む。
• 参考スコア（独自算出の注目度）: 4.768272342753616
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a computationally efficient framework for interval reachability of systems with neural network controllers. Our approach leverages inclusion functions for the open-loop system and the neural network controller to embed the closed-loop system into a larger-dimensional embedding system, where a single trajectory over-approximates the original system's behavior under uncertainty. We propose two methods for constructing closed-loop embedding systems, which account for the interactions between the system and the controller in different ways. The interconnection-based approach considers the worst-case evolution of each coordinate separately by substituting the neural network inclusion function into the open-loop inclusion function. The interaction-based approach uses novel Jacobian-based inclusion functions to capture the first-order interactions between the open-loop system and the controller by leveraging state-of-the-art neural network verifiers. Finally, we implement our approach in a Python framework called ReachMM to demonstrate its efficiency and scalability on benchmarks and examples ranging to $200$ state dimensions.
• Abstract（参考訳）: 本稿では,ニューラルネットワークコントローラを用いたシステムの間隔到達性向上のための計算効率の良いフレームワークを提案する。 提案手法では,オープンループシステムとニューラルネットワークコントローラの包摂関数を利用して,閉ループシステムをより大きな次元の埋め込みシステムに埋め込む。 本稿では,システムとコントローラの相互作用を異なる方法で考慮した,閉ループ埋め込みシステムを構築するための2つの方法を提案する。 相互接続に基づくアプローチでは、ニューラルネットワーク包摂関数をオープンループ包摂関数に置換することで、各座標の最悪の進化を別々に考える。 インタラクションベースのアプローチでは、新しいJacobianベースの包摂関数を使用して、最先端のニューラルネットワーク検証を活用することで、オープンループシステムとコントローラの間の一階のインタラクションをキャプチャする。 最後に、我々のアプローチを、ReachMMと呼ばれるPythonフレームワークで実装し、ベンチマークや200ドルの状態次元の例でその効率性とスケーラビリティを実証します。

関連論文リスト

• 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)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• Interval Reachability of Nonlinear Dynamical Systems with Neural Network Controllers [5.543220407902113]
  本稿では、ニューラルネットワークコントローラを用いた非線形連続時間力学系の厳密な検証のための区間解析に基づく計算効率の良いフレームワークを提案する。 混合単調理論に着想を得て,ニューラルネットワークの包摂関数と開ループシステムの分解関数を用いて,閉ループ力学をより大きなシステムに組み込む。 埋め込みシステムの単一軌跡を用いて、到達可能な集合の超矩形超近似を効率的に計算できることが示される。
  論文  参考訳（メタデータ） (2023-01-19T06:46:36Z)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• Over-the-Air Split Machine Learning in Wireless MIMO Networks [56.27831295707334]
  スプリット機械学習(ML)では、ニューラルネットワーク(NN)の異なるパーティションが異なる計算ノードによって実行される。 通信負担を軽減するため、OAC(Over-the-air calculation)は通信と同時に計算の全てまたは一部を効率的に実装することができる。
  論文  参考訳（メタデータ） (2022-10-07T15:39:11Z)
• Sparse Interaction Additive Networks via Feature Interaction Detection and Sparse Selection [10.191597755296163]
  我々は,必要な特徴の組み合わせを効率的に識別する,抽出可能な選択アルゴリズムを開発した。 提案するスパース・インタラクション・アダプティブ・ネットワーク(SIAN)は,単純かつ解釈可能なモデルから完全に接続されたニューラルネットワークへのブリッジを構築する。
  論文  参考訳（メタデータ） (2022-09-19T19:57:17Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Single-step deep reinforcement learning for open-loop control of laminar and turbulent flows [0.0]
  本研究は,流体力学系の最適化と制御を支援するための深部強化学習(DRL)技術の能力を評価する。 原型ポリシー最適化(PPO)アルゴリズムの新たな"退化"バージョンを組み合わせることで、学習エピソード当たり1回だけシステムを最適化するニューラルネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2020-06-04T16:11:26Z)
• Parallelization Techniques for Verifying Neural Networks [52.917845265248744]
  検証問題に基づくアルゴリズムを反復的に導入し、2つの分割戦略を探索する。 また、ニューラルネットワークの検証問題を単純化するために、ニューロンアクティベーションフェーズを利用する、高度に並列化可能な前処理アルゴリズムも導入する。
  論文  参考訳（メタデータ） (2020-04-17T20:21:47Z)
• Reach-SDP: Reachability Analysis of Closed-Loop Systems with Neural Network Controllers via Semidefinite Programming [19.51345816555571]
  本稿では,ニューラルネットワークを用いた線形時間変化システムの安全性検証のための新しいフォワードリーチビリティ解析手法を提案する。 半有限計画法を用いて、これらの近似到達可能な集合を計算できることが示される。 提案手法は,まずディープニューラルネットワークを用いて非線形モデル予測制御器を近似し,その解析ツールを用いて閉ループシステムの有限時間到達性と制約満足度を証明した。
  論文  参考訳（メタデータ） (2020-04-16T18:48:25Z)

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。