論文の概要: The FABRIC Strategy for Verifying Neural Feedback Systems

• arxiv url: http://arxiv.org/abs/2603.08964v1
• Date: Mon, 09 Mar 2026 21:54:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:23.845998
• Title: The FABRIC Strategy for Verifying Neural Feedback Systems
• Title（参考訳）: 神経フィードバックシステム検証のためのFABRIC戦略
• Authors: I. Samuel Akinwande, Sydney M. Katz, Mykel J. Kochenderfer, Clark Barrett,
• Abstract要約: 本稿では,非線形神経フィードバックシステムに対する後方到達可能集合のオーバー・アンド・アンダー近似の計算アルゴリズムを提案する。 得られたアルゴリズムをFaBRIC (Forward and Backward Reachability Integration for Certification) と呼ぶ。
• 参考スコア（独自算出の注目度）: 21.549912728385518
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forward reachability analysis is a dominant approach for verifying reach-avoid specifications in neural feedback systems, i.e., dynamical systems controlled by neural networks, and a number of directions have been proposed and studied. In contrast, far less attention has been given to backward reachability analysis for these systems, in part because of the limited scalability of known techniques. In this work, we begin to address this gap by introducing new algorithms for computing both over- and underapproximations of backward reachable sets for nonlinear neural feedback systems. We also describe and implement an integration of these backward reachability techniques with existing ones for forward analysis. We call the resulting algorithm Forward and Backward Reachability Integration for Certification (FaBRIC). We evaluate our algorithms on a representative set of benchmarks and show that they significantly outperform the prior state of the art.
• Abstract（参考訳）: フォワードリーチビリティ分析は、ニューラルネットワークによって制御される動的システムなど、ニューラルネットワークシステムにおけるリーチアビド仕様を検証するための主要なアプローチであり、多くの方向が提案され研究されている。 対照的に、これらのシステムの後方到達可能性解析には、既知の技術のスケーラビリティが限られていることから、はるかに少ない注意が向けられている。 本研究では,非線形フィードバックシステムに対する後方到達可能集合のオーバー・アンド・アン・アポロキシクスを演算するための新しいアルゴリズムを導入することで,このギャップに対処し始める。 また、これらの後方到達可能性技術と既存の手法を統合して、前方分析を行う。 得られたアルゴリズムをFaBRIC(FaBRIC)と呼ぶ。 我々は,このアルゴリズムをベンチマークの代表的なセットで評価し,従来の最先端のアルゴリズムよりも優れていたことを示す。

関連論文リスト

• Faster Predictive Coding Networks via Better Initialization [52.419343840654186]
  本稿では,従来のトレーニングサンプルの反復的進捗を抑えることを目的とした,予測符号化ネットワークのための新しい手法を提案する。 本実験は,教師なし設定と教師なし設定の両方において,収束速度と最終テスト損失が大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2026-01-28T08:52:19Z)
• A New Strategy for Verifying Reach-Avoid Specifications in Neural Feedback Systems [21.549912728385518]
  このようなシステムに対する後方到達可能な集合のオーバー・アンド・アンダー・近似を計算できる新しいアルゴリズムを導入する。 さらに、これらの後方アルゴリズムを確立された前方分析技術と統合し、ニューラルフィードバックシステムのための統一的な検証フレームワークを提供する。
  論文  参考訳（メタデータ） (2026-01-12T23:20:58Z)
• Certified Neural Approximations of Nonlinear Dynamics [51.01318247729693]
  安全クリティカルな文脈では、神経近似の使用は、基礎となるシステムとの密接性に公式な境界を必要とする。 本稿では,認証された一階述語モデルに基づく新しい,適応的で並列化可能な検証手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T13:22:20Z)
• Vertex-based reachability analysis for verifying ReLU deep neural networks [3.5816079147181483]
  本稿では,ReLUアクティベーションを用いたディープニューラルネットワーク検証のための3つの新しい到達性アルゴリズムを提案する。 ACAS Xu 問題に対する実験により,本研究で提案した Exact Polytope Network Mapping (EPNM) の到達性アルゴリズムが,文献の最先端結果を上回ることがわかった。
  論文  参考訳（メタデータ） (2023-01-27T21:46:03Z)
• Backward Reachability Analysis of Neural Feedback Loops: Techniques for Linear and Nonlinear Systems [59.57462129637796]
  本稿では,ニューラルネットワークを用いた閉ループシステムの安全性検証のための後方到達性アプローチを提案する。 フィードバックループにおけるNNの存在は、その活性化関数の非線形性や、NNモデルは一般に可逆的ではないため、ユニークな問題セットを示す。 フィードフォワードNNで表される制御ポリシを持つ線形系と非線形系のBP過近似を計算するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-28T13:17:28Z)
• 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)
• Backward Reachability Analysis for Neural Feedback Loops [40.989393438716476]
  本稿では,ニューラルネットワークを用いた閉ループシステムの安全性検証のための後方到達性アプローチを提案する。 フィードバックループにおけるNNの存在は、その活性化関数の非線形性や、NNモデルは一般に可逆的ではないため、ユニークな問題セットを示す。 本稿では,BP設定した推定値を所定の時間軸上で反復的に求めるアルゴリズムを提案し,計算コストを低くすることで,保守性を最大88%削減できることを示す。
  論文  参考訳（メタデータ） (2022-04-14T01:13:14Z)
• Neural Network Verification in Control [3.3123634393237706]
  このチュートリアルはまず、NNの堅牢性を検証する最新のテクニックを紹介し、統一する。 その後、これらの技術は、神経フィードバックループの正式な保証を提供するように拡張される。 提案したツールは, 閉ループ到達性解析と頑健な深層強化学習を可能にする。
  論文  参考訳（メタデータ） (2021-09-30T22:28:44Z)
• 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。