論文の概要: Probabilistic Abstract Interpretation on Neural Networks via Grids Approximation

• arxiv url: http://arxiv.org/abs/2603.25266v1
• Date: Thu, 26 Mar 2026 10:04:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.235362
• Title: Probabilistic Abstract Interpretation on Neural Networks via Grids Approximation
• Title（参考訳）: 格子近似によるニューラルネットワークの確率論的抽象解釈
• Authors: Zhuofan Zhang, Herbert Wiklicky,
• Abstract要約: 確率論的抽象解釈は、全ての入力をテストすることができないときにコンピュータプログラムの特性を抽出するために用いられる。 この理論フレームワークがニューラルネットワークでどのように機能するかを示し、異なる抽象領域と対応するムーア-ペンローズ擬似逆数について議論する。 また、このフレームワークが現実世界の問題を解析するのにどう役立つかを示す実験例を示す。
• 参考スコア（独自算出の注目度）: 2.110338863301235
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic abstract interpretation is a theory used to extract particular properties of a computer program when it is infeasible to test every single inputs. In this paper we apply the theory on neural networks for the same purpose: to analyse density distribution flow of all possible inputs of a neural network when a network has uncountably many or countable but infinitely many inputs. We show how this theoretical framework works in neural networks and then discuss different abstract domains and corresponding Moore-Penrose pseudo-inverses together with abstract transformers used in the framework. We also present experimental examples to show how this framework helps to analyse real world problems.
• Abstract（参考訳）: 確率論的抽象解釈(英: Probabilistic abstract interpretation)は、コンピュータプログラムが全ての入力をテストすることができないときに、特定の特性を抽出するために用いられる理論である。 本稿では,ネットワークが無数に可算だが無限に多くの入力を持つ場合,ニューラルネットワークの可能な全ての入力の密度分布フローを解析するために,ニューラルネットワークに関する理論を同じ目的で適用する。 この理論フレームワークがニューラルネットワークでどのように機能するかを示し、そのフレームワークで使用される抽象変換器とともに、異なる抽象ドメインと対応するムーア-ペンローズ擬似逆数について議論する。 また、このフレームワークが現実世界の問題を解析するのにどう役立つかを示す実験例を示す。

関連論文リスト

• Distribution and Clusters Approximations as Abstract Domains in Probabilistic Abstract Interpretation to Neural Network Analysis [2.110338863301235]
  本稿では,分散近似とクラスタ近似の2つの新しい近似手法を紹介する。 このフレームワークは、すべての可能な入力の密度分布フローを分析してニューラルネットワークを分析する。
  論文  参考訳（メタデータ） (2026-03-26T10:09:58Z)
• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• Conditional computation in neural networks: principles and research trends [48.14569369912931]
  本稿では,ニューラルネットワークの設計にテクトコンディショナリ計算を適用するという,新たな領域の原理とアイデアを要約する。 特に、入力に条件付きで計算グラフの一部を動的に活性化または非活性化するニューラルネットワークに焦点を当てる。
  論文  参考訳（メタデータ） (2024-03-12T11:56:38Z)
• Understanding polysemanticity in neural networks through coding theory [0.8702432681310401]
  本稿では,ネットワークの解釈可能性に関する新たな実践的アプローチと,多意味性やコードの密度に関する理論的考察を提案する。 ランダムなプロジェクションによって、ネットワークがスムーズか非微分可能かが明らかになり、コードがどのように解釈されるかを示す。 我々のアプローチは、ニューラルネットワークにおける解釈可能性の追求を前進させ、その基盤となる構造についての洞察を与え、回路レベルの解釈可能性のための新たな道を提案する。
  論文  参考訳（メタデータ） (2024-01-31T16:31:54Z)
• Introduction to dynamical mean-field theory of generic random neural networks [2.0711789781518752]
  初心者がこのツールの本質や基礎となる物理学にアクセスするのは容易ではない。 本稿では,この手法を汎用的ランダムニューラルネットワークの具体例に紹介する。 積分微分平均場方程式を解く数値的実装についても詳述する。
  論文  参考訳（メタデータ） (2023-05-15T09:01:40Z)
• Dive into Layers: Neural Network Capacity Bounding using Algebraic Geometry [55.57953219617467]
  ニューラルネットワークの学習性はそのサイズと直接関連していることを示す。 入力データとニューラルネットワークのトポロジ的幾何学的複雑さを測定するためにベッチ数を用いる。 実世界のデータセットMNISTで実験を行い、分析結果と結論を検証した。
  論文  参考訳（メタデータ） (2021-09-03T11:45:51Z)
• From Common Sense Reasoning to Neural Network Models through Multiple Preferences: an overview [0.0]
  本稿では、条件論理と優先論理とニューラルネットワークモデルの関係について論じる。 提案する概念的マルチ参照セマンティクスは,近年,デファシブルな記述ロジックに導入されている。 本稿では、自己組織化マップと多層受容器の事例を通して、一般的なアプローチについて述べる。
  論文  参考訳（メタデータ） (2021-07-10T16:25:19Z)
• A Chain Graph Interpretation of Real-World Neural Networks [58.78692706974121]
  本稿では,NNを連鎖グラフ(CG)、フィードフォワードを近似推論手法として識別する別の解釈を提案する。 CG解釈は、確率的グラフィカルモデルのリッチな理論的枠組みの中で、各NNコンポーネントの性質を規定する。 我々は,CG解釈が様々なNN技術に対する新しい理論的支援と洞察を提供することを示す具体例を実例で示す。
  論文  参考訳（メタデータ） (2020-06-30T14:46:08Z)

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。