Fugu-MT 論文翻訳(概要): Creating a Formally Verified Neural Network for Autonomous Navigation: An Experience Report

論文の概要: Creating a Formally Verified Neural Network for Autonomous Navigation: An Experience Report

arxiv url: http://arxiv.org/abs/2411.14163v1
Date: Thu, 21 Nov 2024 14:22:32 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-22 15:19:48.095074
Title: Creating a Formally Verified Neural Network for Autonomous Navigation: An Experience Report
Title（参考訳）: 自律走行のための形式的に検証されたニューラルネットワークの作成:経験報告
Authors: Syed Ali Asadullah Bukhari, Thomas Flinkow, Medet Inkarbekov, Barak A. Pearlmutter, Rosemary Monahan,
Abstract要約: 視覚に基づく自律ナビゲーションのためのカスタムデータセット上で、ニューラルネットワークの設計とトレーニングについて検討する。我々は特に、設計による基本的な安全性特性を満たすネットワークを得るために、微分可能な論理を用いた機械学習を使うことに興味を持っている。
参考スコア（独自算出の注目度）: 0.157286095422595
License:
Abstract: The increased reliance of self-driving vehicles on neural networks opens up the challenge of their verification. In this paper we present an experience report, describing a case study which we undertook to explore the design and training of a neural network on a custom dataset for vision-based autonomous navigation. We are particularly interested in the use of machine learning with differentiable logics to obtain networks satisfying basic safety properties by design, guaranteeing the behaviour of the neural network after training. We motivate the choice of a suitable neural network verifier for our purposes and report our observations on the use of neural network verifiers for self-driving systems.
Abstract（参考訳）: ニューラルネットワークによる自動運転車への依存度の増加は、その検証の課題を開放する。本稿では,視覚に基づく自律ナビゲーションのためのカスタムデータセット上で,ニューラルネットワークの設計とトレーニングを行うケーススタディについて述べる。トレーニング後のニューラルネットワークの振る舞いを保証し、設計によって基本的な安全性特性を満たすネットワークを得るために、微分可能な論理を用いた機械学習を使うことに特に関心があります。我々は、私たちの目的に適したニューラルネットワーク検証器の選択を動機付け、自動運転システムにおけるニューラルネットワーク検証器の使用に関する我々の観測を報告します。

関連論文リスト

Coding schemes in neural networks learning classification tasks [52.22978725954347]
完全接続型広義ニューラルネットワーク学習タスクについて検討する。ネットワークが強力なデータ依存機能を取得することを示す。驚くべきことに、内部表現の性質は神経の非線形性に大きく依存する。
論文参考訳（メタデータ） (2024-06-24T14:50:05Z)
Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文参考訳（メタデータ） (2023-03-30T02:40:28Z)
Functional Connectome: Approximating Brain Networks with Artificial Neural Networks [1.952097552284465]
訓練されたディープニューラルネットワークは、合成生物学的ネットワークによって実行される計算を高精度に捉えることができることを示す。訓練されたディープニューラルネットワークは、新しい環境でゼロショットの一般化を実行可能であることを示す。本研究は, システム神経科学における新規かつ有望な方向性を明らかにする。
論文参考訳（メタデータ） (2022-11-23T13:12:13Z)
Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文参考訳（メタデータ） (2022-09-26T17:59:58Z)
Searching for the Essence of Adversarial Perturbations [73.96215665913797]
本稿では,ニューラルネットワークの誤予測の原因となる,人間の認識可能な情報を含む対人摂動について述べる。この人間の認識可能な情報の概念は、敵の摂動に関連する重要な特徴を説明できる。
論文参考訳（メタデータ） (2022-05-30T18:04:57Z)
Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文参考訳（メタデータ） (2022-02-01T17:11:13Z)
Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
論文参考訳（メタデータ） (2021-07-10T19:02:27Z)
Deep Spiking Convolutional Neural Network for Single Object Localization Based On Deep Continuous Local Learning [0.0]
グレースケール画像における単一物体の局所化のための深部畳み込みスパイクニューラルネットワークを提案する。 Oxford-IIIT-Petで報告された結果は、教師付き学習アプローチによるスパイクニューラルネットワークの活用を検証する。
論文参考訳（メタデータ） (2021-05-12T12:02:05Z)
Introduction to Machine Learning for the Sciences [0.0]
ノートは、原則コンポーネント分析、t-SNE、線形回帰など、ニューラルネットワークのない機械学習メソッドの展開から始まる。我々は、従来のニューラルネットワーク、(変分)オートエンコーダ、生成的敵ネットワーク、制限されたボルツマンマシン、繰り返しニューラルネットワークなどの、基礎的および高度なニューラルネットワーク構造の導入を継続する。
論文参考訳（メタデータ） (2021-02-08T16:25:46Z)
Towards Repairing Neural Networks Correctly [6.600380575920419]
本稿では,ニューラルネットワークの正確性を保証するための実行時検証手法を提案する。実験結果から,本手法は特性を満たすことが保証されたニューラルネットワークを効果的に生成することが示された。
論文参考訳（メタデータ） (2020-12-03T12:31:07Z)
Visual Pattern Recognition with on On-chip Learning: towards a Fully Neuromorphic Approach [10.181725314550823]
ニューロモルフィックハードウェア上でのオンチップ学習による視覚パターン認識のためのスパイキングニューラルネットワーク(SNN)を提案する。このネットワークは、ダイナミック・ビジョン・センサーによって知覚される水平と垂直のバーからなる単純な視覚パターンを学習することができることを示す。認識中、ネットワークはパターンのアイデンティティを分類し、同時にその位置とスケールを推定する。
論文参考訳（メタデータ） (2020-08-08T08:07:36Z)

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。