論文の概要: Specification Generation for Neural Networks in Systems

• arxiv url: http://arxiv.org/abs/2412.03028v1
• Date: Wed, 04 Dec 2024 04:45:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-05 15:06:52.945650
• Title: Specification Generation for Neural Networks in Systems
• Title（参考訳）: システムにおけるニューラルネットワークの仕様生成
• Authors: Isha Chaudhary, Shuyi Lin, Cheng Tan, Gagandeep Singh,
• Abstract要約: 我々は、参照を用いてニューラルネットワークの仕様を生成するための自動フレームワーク、SpecTRAを開発した。 本稿では、適応ビットレートと渋滞制御アルゴリズムにおけるニューラルネットワークのためのSpecTRAによって生成された仕様について述べる。
• 参考スコア（独自算出の注目度）: 5.473568895730302
• License:
• Abstract: Specifications - precise mathematical representations of correct domain-specific behaviors - are crucial to guarantee the trustworthiness of computer systems. With the increasing development of neural networks as computer system components, specifications gain more importance as they can be used to regulate the behaviors of these black-box models. Traditionally, specifications are designed by domain experts based on their intuition of correct behavior. However, this is labor-intensive and hence not a scalable approach as computer system applications diversify. We hypothesize that the traditional (aka reference) algorithms that neural networks replace for higher performance can act as effective proxies for correct behaviors of the models, when available. This is because they have been used and tested for long enough to encode several aspects of the trustworthy/correct behaviors in the underlying domain. Driven by our hypothesis, we develop a novel automated framework, SpecTRA to generate specifications for neural networks using references. We formulate specification generation as an optimization problem and solve it with observations of reference behaviors. SpecTRA clusters similar observations into compact specifications. We present specifications generated by SpecTRA for neural networks in adaptive bit rate and congestion control algorithms. Our specifications show evidence of being correct and matching intuition. Moreover, we use our specifications to show several unknown vulnerabilities of the SOTA models for computer systems.
• Abstract（参考訳）: 正しいドメイン固有の振る舞いの正確な数学的表現である仕様は、コンピュータシステムの信頼性を保証するために不可欠である。 ニューラルネットワークをコンピュータシステムコンポーネントとして発展させるにつれ、仕様はブラックボックスモデルの振る舞いを規制するために使われるようになり、より重要になる。 伝統的に、仕様はドメインの専門家が正しい振る舞いの直感に基づいて設計する。 しかし、これは労働集約的であり、コンピュータ・システム・アプリケーションが多様化するにつれて、スケーラブルなアプローチではない。 我々は、ニューラルネットワークがより高いパフォーマンスに取って代わる従来の(いわゆる参照)アルゴリズムが、モデルが利用可能なときに正しい振る舞いをするための効果的なプロキシとして機能する、と仮定する。 これは、基礎となるドメインにおける信頼に値する、正しい振る舞いのいくつかの側面をエンコードするのに十分な期間使われ、テストされたためです。 提案する仮説により,参照を用いてニューラルネットワークの仕様を生成するための新しい自動フレームワークであるSpecTRAを開発した。 我々は、最適化問題として仕様生成を定式化し、参照動作の観察により解決する。 SpecTRAは、類似の観測結果をコンパクトな仕様にクラスターする。 本稿では、適応ビットレートと渋滞制御アルゴリズムにおけるニューラルネットワークのためのSpecTRAによって生成された仕様について述べる。 我々の仕様は正しいことと一致した直感の証拠を示している。 さらに,我々の仕様を用いて,コンピュータシステムにおけるSOTAモデルの未知の脆弱性をいくつか示す。

関連論文リスト

• AutoSpec: Automated Generation of Neural Network Specifications [10.226635933241166]
  学習強化システムにおけるニューラルネットワークの包括的かつ正確な仕様を自動的に生成する最初のフレームワークであるAutoSpecを紹介する。 評価の結果,AutoSpecは人間の定義した仕様よりも優れており,本研究で導入された2つのベースラインアプローチが優れていることがわかった。
  論文  参考訳（メタデータ） (2024-09-17T05:26:17Z)
• Bayesian Neural Networks with Domain Knowledge Priors [52.80929437592308]
  ドメイン知識の一般的な形式をBNNに組み込むためのフレームワークを提案する。 提案したドメイン知識を用いたBNNは,標準知識のBNNよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-02-20T22:34:53Z)
• How neural networks learn to classify chaotic time series [77.34726150561087]
  本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。 入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
  論文  参考訳（メタデータ） (2023-06-04T08:53:27Z)
• Robust Graph Representation Learning via Predictive Coding [46.22695915912123]
  予測符号化は、当初脳の情報処理をモデル化するために開発されたメッセージパッシングフレームワークである。 本研究では,予測符号化のメッセージパス規則に依存するモデルを構築する。 提案したモデルは,帰納的タスクと帰納的タスクの両方において,標準的なモデルに匹敵する性能を示す。
  論文  参考訳（メタデータ） (2022-12-09T03:58:22Z)
• NCTV: Neural Clamping Toolkit and Visualization for Neural Network Calibration [66.22668336495175]
  ニューラルネットワークのキャリブレーションに対する考慮の欠如は、人間から信頼を得ることはないだろう。 我々はNeural Clamping Toolkitを紹介した。これは開発者が最先端のモデルに依存しないキャリブレーションモデルを採用するのを支援するために設計された最初のオープンソースフレームワークである。
  論文  参考訳（メタデータ） (2022-11-29T15:03:05Z)
• ZippyPoint: Fast Interest Point Detection, Description, and Matching through Mixed Precision Discretization [71.91942002659795]
  我々は,ネットワーク量子化技術を用いて推論を高速化し,計算限定プラットフォームでの利用を可能にする。 バイナリディスクリプタを用いた効率的な量子化ネットワークZippyPointは,ネットワーク実行速度,ディスクリプタマッチング速度,3Dモデルサイズを改善する。 これらの改善は、ホモグラフィー推定、視覚的ローカライゼーション、マップフリーな視覚的再ローカライゼーションのタスクで評価されるように、小さなパフォーマンス劣化をもたらす。
  論文  参考訳（メタデータ） (2022-03-07T18:59:03Z)
• Privacy-preserving machine learning with tensor networks [37.01494003138908]
  テンソルネットワークアーキテクチャは、特にプライバシー保護機械学習に期待できる特性を持つことを示す。 まず、フィードフォワードニューラルネットワークに存在する新たなプライバシ脆弱性を説明し、それを合成および実世界のデータセットで説明する。 このような条件がテンソルネットワークアーキテクチャによって満たされていることを厳密に証明する。
  論文  参考訳（メタデータ） (2022-02-24T19:04:35Z)
• A neural anisotropic view of underspecification in deep learning [60.119023683371736]
  ニューラルネットが問題の未特定化を扱う方法が,データ表現に大きく依存していることを示す。 深層学習におけるアーキテクチャ的インダクティブバイアスの理解は,これらのシステムの公平性,堅牢性,一般化に対処する上で基本的であることを強調した。
  論文  参考訳（メタデータ） (2021-04-29T14:31:09Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• Deep Learning based Covert Attack Identification for Industrial Control Systems [5.299113288020827]
  我々は、スマートグリッドに対する秘密攻撃と呼ばれるサイバー攻撃を検出し、診断し、ローカライズするために使用できるデータ駆動フレームワークを開発した。 このフレームワークは、オートエンコーダ、リカレントニューラルネットワーク(RNN)とLong-Short-Term-Memory層、Deep Neural Network(DNN)を組み合わせたハイブリッド設計である。
  論文  参考訳（メタデータ） (2020-09-25T17:48:43Z)
• Informative Bayesian Neural Network Priors for Weak Signals [15.484976432805817]
  2種類のドメイン知識は、科学的な応用で一般的に利用することができる。 両種類のドメイン知識を広く使われているガウススケールの混合体にエンコードする方法を示す。 従来のニューラルネットワークよりも予測精度が向上したことを実証的に示す。
  論文  参考訳（メタデータ） (2020-02-24T13:43:44Z)

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。