NNV公司

NNV：用于深层神经网络和学习支持的网络物理系统的神经网络验证工具。本文介绍了神经网络验证（NNV）软件工具，一个基于集合的深层神经网络（DNNs）和支持学习的网络物理系统（CPS）的验证框架。NNV的关键是一系列的可达性算法，这些算法使用各种集合表示，如多面体、星集、zonotopes和抽象域表示。NNV支持精确（健全和完全）和超近似（健全）可达性算法，以验证具有不同激活函数的前馈神经网络（FFNNs）的安全性和鲁棒性。对于具有学习能力的CPS，如包含神经网络的闭环控制系统，NNV为线性对象模型和具有分段线性激活函数的FFNN控制器（如ReLUs）提供精确和超近似的可达性分析方案。对于具有非线性对象模型的类似神经网络控制系统（NNCS），NNV通过将用于FFNN控制器的星集分析与基于CORA的非线性对象动力学分析相结合，支持过近似分析。我们使用两个实际案例来评估NNV：第一个是ACAS-Xu网络的安全验证，第二个是基于深度学习的自适应巡航控制系统的安全验证。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献3条,1标准件)

显示结果1到3，共3个。
按年份排序(引用)

  1. 川，黄勇；帕尔，尼兰贾娜；曼扎纳斯·洛佩兹，迭戈；穆绍，帕特里克；杨晓东；阮、阮越；项伟明；巴克，斯坦利；Johnson，Taylor T.：分段深度神经网络的验证：带zonotope预滤波器的星集方法（2021）
  2. 赵恒军；曾、夏；陈韬略；刘志明；伍德考克，吉姆：学习安全神经网络控制器与障碍证书（2021年）
  3. Hoang Dung Tran，Xiaodong Yang，Diego Manzanas Lopez，Patrick Musau，Luan Vietuan Nguyen，Weiming Xiang，Stanley Bak，Taylor T Johnson:NNV：用于深层神经网络和学习的网络物理系统的神经网络验证工具（2020）阿尔十四