×
Tran，Hoang Dung村;Choi、Sung Woo;杨晓东;山口，富古屋;巴德省霍克萨;丹尼尔·普罗霍罗夫

具有星可达性的递归神经网络的验证。 （英语） Zbl 07807947号

第26届ACM混合系统国际会议论文集：计算与控制，HSCC 2023，第16届CPS-IoT周，美国德克萨斯州圣安东尼奥，2023年5月9日至12日。纽约州纽约市：计算机协会（ACM）。第6号论文，第13页（2023年）。

理学硕士：

65年第68季度 形式语言和自动机
60年第68季度 规范和验证（程序逻辑、模型检查等）
93立方 由微分方程以外的函数关系控制的控制/观测系统（例如混合系统和开关系统）

关键词：

可达性分析;循环神经网络;验证

软件：

Reluplex公司;NNV公司;佩尔格里恩;POPQORN公司;马拉布
PDF格式BibTeX公司 XML格式引用
\textit{H.D.Tran}等人，in：《第26届ACM混合系统国际会议论文集：计算与控制》，HSCC 2023，第16届CPS-IoT周，美国德克萨斯州圣安东尼奥，2023年5月9日至12日。纽约州纽约市：计算机协会（ACM）。第6号论文，第13页（2023；Zbl 07807947）
全文： 内政部

参考文献：

[1] 迈克尔·E·阿金通德、安德烈亚·凯沃奇安、阿莱西奥·洛穆西奥和埃多亚多·皮罗瓦诺。2019.基于RNN的神经代理环境系统的验证。《AAAI人工智能会议论文集》，第33卷。6006-6013.
[2] 斯坦利·贝克（Stanley Bak）和帕拉萨拉·斯里达尔·达吉拉拉（Parasara Sridhar Duggirala）。2017.具有输入的大型线性系统的模拟等效可达性。在计算机辅助验证国际会议上。斯普林格，401-420·Zbl 1497.93010号
[3] Stanley Bak、Hoang-Dung Tran、Kerianne Hobbs和Taylor T.Johnson。2020年。用于验证ReLU神经网络的改进几何路径枚举。在第32届国际计算机辅助验证会议上。斯普林格·Zbl 1478.68142号
[4] Xie Chen、Xunying Liu、Yongqiang Wang、Mark JF Gales和Philip C Woodland。2016.自动语音识别递归神经网络语言模型的高效培训和评估。IEEE/ACM音频、语音和语言处理汇刊24，11（2016），2146-2157。
[5] 董东、李晓阳和孙富强。2017年。基于LSTM再流神经网络的喷气发动机寿命预测。2017年预测和系统健康管理会议（PHM-Harbin）。IEEE，1-6。
[6] Parasara Sridhar Duggirala和Mahesh Viswanathan。2016.线性系统的节约、基于仿真的验证。在计算机辅助验证国际会议上。施普林格，477-494·Zbl 1411.68064号
[7] Souradeep Dutta、Susmit Jha、Sriram Sankaranarayanan和Ashish Tiwari，2018年。深度前馈神经网络的输出范围分析。在NASA正式方法研讨会上。施普林格，121-138。
[8] Mahyar Fazlyab、Manfred Morari和George J Pappas。2020.通过二次约束和半定规划对神经网络进行安全验证和鲁棒性分析。IEEE传输。自动化。控制（2020年）·Zbl 07480750号
[9] Yoav Goldberg，2017年。自然语言处理的神经网络方法。人类语言技术综合讲座10，1（2017），1-309。
[10] 纳维德·哈希米（Navid Hashemi）、巴德·霍夏（Bardh Hoxha）、山口富也（Tomoya Yamaguchi）、丹尼尔·普罗霍罗夫（Danil Prokhorov）、杰吉奥斯·费内科斯（Geogios Fainekos）和乔蒂莫伊·德斯穆克（Jyotirmoy Deshmukh）。2023.验证学习型控制系统时间逻辑特性的神经符号方法。arXiv预印arXiv:2303.05394（2023）。
[11] 黄晓伟、丹尼尔·克罗宁、阮文杰、詹姆斯·夏普、孙有成、埃梅斯·塔莫、吴敏和易新平。2020年，深度神经网络的安全性和可信度调查：验证、测试、对抗性攻击和防御以及可解释性。《计算机科学评论》37（2020），100270·Zbl 1478.68308号
[12] Yuval Jacoby、Clark Barrett和Guy Katz。2020年。使用不变推理验证递归神经网络。在核查和分析自动化技术国际研讨会上。施普林格，57-74·Zbl 1517.68241号
[13] 盖伊·卡茨（Guy Katz）、克拉克·巴雷特（Clark Barrett）、大卫·L·迪尔（David L Dill）、凯尔·朱利安（Kyle Julian）和米克尔·J·科钦德费尔（Mykel J Kochenderfer）。2017.Reluplex：用于验证深层神经网络的高效SMT解算器。在计算机辅助验证国际会议上。施普林格，97-117·兹比尔1494.68167
[14] Guy Katz、Derek A Huang、Duligur Ibeling、Kyle Julian、Christopher Lazarus、Rachel Lim、Parth Shah、Shantanu Thakoor、Haoze Wu、Aleksandar Zeljić，2019年。用于验证和分析深层神经网络的marabou框架。在国际计算机辅助验证会议上。斯普林格。
[15] 海瑟姆·凯德（Haitham Khedr）、詹姆斯·费雷兹（James Ferlez）和亚西尔·舒克里（Yasser Shoukry）。佩雷格林：惩罚松弛贪婪神经网络验证器。在计算机辅助验证国际会议上。施普林格，287-300。
[16] 2019年，高庆云、吕兆阳、翁莉莉、卢卡·丹尼尔、王毅和林大华。POPQORN：量化递归神经网络的鲁棒性。在机器学习国际会议上。PMLR，3468-3477。
[17] 刘长流（Changliu Liu）、托默·阿诺恩（Tomer Arnon）、克里斯托弗·拉扎罗斯（Christopher Lazarus）、克里斯多弗·斯特朗（Christopor Strong）、克拉克·巴雷特（Clark Barrett）和麦克尔·J·科钦德。2021.验证深层神经网络的算法。Foundations and Trends®in Optimization优化中的基础与趋势4，3-4（2021），244-404。
[18] 刘鹏飞、邱喜鹏和黄轩静。2016.多任务学习文本分类递归神经网络。第二十五届国际人工智能联合会议论文集。2873-2879.
[19] 阿莱西奥·洛穆西奥（Alessio Lomuscio）和拉利特·马甘蒂（Lalit Maganti）。2017.前馈相关神经网络可达性分析方法。arXiv预印arXiv:1706.07351（2017）。
[20] Larry R Medsker和LC Jain。2001.递归神经网络。设计与应用5（2001），64-67。
[21] 奥利弗·奥布斯特。2014.使用递归神经网络的传感器网络分布式故障检测。神经处理信件40，3（2014），261-273。
[22] 帕维思拉·普拉巴卡尔（Pavithra Prabhakar）和扎赫拉·拉希米·阿夫扎尔（Zahra Rahimi Afzal）。2019.神经网络基于抽象的输出范围分析。《神经信息处理系统进展》32（2019年）。
[23] 龙永良、陈嘉玉、巴鲁诺维奇、辛格、安德烈·玛丽安·丹和马丁·特维切夫。2020年。递归神经网络快速有效的鲁棒性认证。CoRR abs/2005.13300（2020）·Zbl 1493.68220号
[24] Gagandeep Singh、Timon Gehr、Matthew Mirman、Markus Püschel和Martin Vechev。2018.快速有效的稳健性认证。神经信息处理系统进展。10825-10836.
[25] Gagandeep Singh、Timon Gehr、Markus Püschel和Martin Vechev。2019.一个用于证明神经网络的抽象领域。《美国计算机学会程序设计语言会议录3》，POPL（2019），41。
[26] Hoang-Dung Tran、Stanley Bak、Weiming Xiang和Taylor T.Johnson。2020.使用ImageStars验证深度卷积神经网络。在第32届国际计算机辅助验证会议上。斯普林格·Zbl 1478.68180号
[27] Hoang-Dung Tran、Patrick Musau、Diego Manzanas Lopez、Xiaodong Yang、Luan Viet Nguyen、Weiming Xiang和Taylor T Johnson。2019.前馈神经网络的可并行可达性分析算法。2019年，IEEE/ACM第七届软件工程形式化方法国际会议（FormaliSE）。IEEE，51-60。
[28] Hoang-Dung Tran、Patrick Musau、Diego Manzanas Lopez、Xiaodong Yang、Luan Viet Nguyen、Weiming Xiang和Taylor T.Johnson。2019.基于星的深度神经网络可达性分析。第23届形式方法国际研讨会（FM'19）。施普林格国际出版社·Zbl 1519.68143号
[29] Hoang-Dung Tran、Neelanjana Pal、Diego Manzanas Lopez、Patrick Musau、Xiaodong Yang、Luan Viet Nguyen、Weiming Xiang、Stanley Bak和Taylor T Johnson。2021.分段深度神经网络的验证：带zonotope预滤器的星集方法。计算的形式方面33，4（2021），519-545·Zbl 1519.68143号
[30] Hoang-Dung Tran、Neelanjana Pal、Patrick Musau、Diego Manzanas Lopez、Nathaniel Hamilton、Xiaodong Yang、Stanley Bak和Taylor T Johnson。2021.使用松弛可达性对语义分段神经网络进行鲁棒性验证。在计算机辅助验证国际会议上。斯普林格·Zbl 1493.68221号
[31] Hoang-Dung Tran、Weiming Xiang和Taylor T Johnson。2020年，学习型自主网络物理系统的验证方法。IEEE设计与测试（2020）。
[32] Hoang-Dung Tran、Xiaodong Yang、Diego Manzanas Lopez、Patrick Musau、Luan Viet Nguyen、Weiming Xiang、Stanley Bak和Taylor T Johnson。2020年，NNV：深度神经网络和支持学习的网络物理系统的神经网络验证工具。《计算机辅助验证：第32届国际会议》，CAV 2020，美国加利福尼亚州洛杉矶，2020年7月21日至24日。施普林格，3-17·Zbl 1519.68143号
[33] 项伟明、帕特里克·穆索、阿亚娜·怀尔德、迭戈·曼扎纳斯·洛佩兹、纳撒尼尔·汉密尔顿、杨晓东、乔尔·罗森菲尔德和泰勒·T·约翰逊。2018.机器学习、自主性和神经网络调查验证。arXiv预印arXiv:1810.01989（2018）。
[34] 杨晓东（Xiaodong Yang）、泰勒·T·约翰逊（Taylor T Johnson）、黄东川（Hoang-Dung Tran）、山口富也（Tomoya Yamaguchi）、巴德·霍夏（Bardh Hoxha）和丹尼尔·普罗霍罗夫（Danil V Prokhorov）。2021.使用面顶点关联度对深层ReLU神经网络的可达性分析。。在HSCC中。18-1.
[35] 张洪策、麦克斯韦、阿尔蒂·古普塔、阿里·古芬克尔、纳姆·勒和尼娜·纳罗季斯卡。2020年。通过可达性分析验证认知任务的递归神经网络。在ECAI 2020中。IOS出版社，1690-1697年。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。