摘要
【未注明日期】。 F1/10自动赛车比赛。 http://f1tenth.org。 谷歌学者 
拉杰夫·阿鲁尔。 2011.混合系统的正式验证。 在 嵌入式软件（EMSOFT），2011年国际会议论文集。 IEEE，273--278。 谷歌学者 数字图书馆 
R.Alur、C.Courcoubetis、N.Halbwachs、T.A.Henzinger、P.H.Ho、X.Nicollin、A.Olivero、J.Sifakis和S.Yovine。 1995年。混合系统的算法分析。 理论计算机科学 138, 1 (1995), 3--34. 谷歌学者 美国国家运输安全委员会。 【未注明日期】。 公路HWY18MH010初步报告。 https://www.ntsb.gov/investigations/AccidentReports/Reports/HWY18MH010-prelim.pdf。 谷歌学者 Mariusz Bojarski、Davide Del Testa、Daniel Dworakowski、Bernhard Firner、Beat Flepp、Prasoon Goyal、Lawrence D Jackel、Mathew Monfort、Urs Muller、Jiakai Zhang等，2016年。 针对自动驾驶汽车的端到端学习。 arXiv预打印arXiv:1604.07316 (2016). 谷歌学者 叶夫根·切博塔（Yevgen Chebotar）、安库尔·汉达（Ankur Handa）、维克托·马科维丘克（Viktor Makoviychuk）、迈尔斯·麦克林（Miles Macklin）、扬·伊斯萨克（Jan Issac）、内森·拉特利夫（Nathan Ratli。 2019.结束模拟到真实的循环：根据真实世界的经验调整模拟随机化。 在 2019年机器人与自动化国际会议（ICRA）。 IEEE，8973-8979。 谷歌学者 数字图书馆 X.Chen、E.ábrahám和S.Sankaranarayanan。 2013年流量 * ：非线性混合系统分析仪。 在 计算机辅助核查国际会议。 施普林格，258-263。 谷歌学者 劳伦特·多恩（Laurent Doyen）、戈兰·弗雷斯（Goran Frehse）、乔治·帕帕斯（George J Pappas）和安德烈·普拉泽（AndréPlatzer）。 2018.混合系统验证。 在 模型检查手册。 施普林格，1047-1110。 谷歌学者 Souradeep Dutta、Xin Chen和Sriram Sankaranarayanan。 2019.使用回归多项式规则推理的神经反馈系统可达性分析。 在 第22届ACM混合系统国际会议论文集：计算与控制。 美国医学会，157--168。 谷歌学者 数字图书馆 S.Dutta、S.Jha、S.Sankaranarayanan和A.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。 施普林格，121-138。 谷歌学者 R.埃勒斯。 2017.分段线性前馈神经网络的正式验证。 在 核查和分析自动化技术国际研讨会。 施普林格，269--286。 谷歌学者 交叉引用 
Chelsea Finn和Sergey Levine。 2017.规划机器人运动的深度视觉预见。 在 2017年IEEE机器人与自动化国际会议（ICRA）。 IEEE，2786--2793。 谷歌学者 数字图书馆 Scott Fujimoto、Herke van Hoof和David Meger。 2018.解决actor-critic方法中的函数近似错误。 arXiv预打印arXiv:1802.09477 (2018). 谷歌学者 Gu Shixiang、Timothy Lillicrap、Ilya Sutskever和Sergey Levine。 2016.持续深入的q-学习，基于模型的加速。 在 机器学习国际会议。 2829--2838. 谷歌学者 数字图书馆 拉多斯拉夫·伊万诺夫（Radoslav Ivanov）、詹姆斯·魏默（James Weimer）、拉杰夫·阿鲁尔（Rajeev Alur）、乔治·帕帕斯（George J Pappas）和因苏普·李（Insup Lee）。 2019.Verisig：使用神经网络控制器验证混合系统的安全特性。 在 第22届ACM混合系统国际会议论文集：计算与控制。 美国医学会，169--178。 谷歌学者 数字图书馆 K.D.Julian、J.Lopez、J.S.Brush、M.P.Owen和M.J.Kochenderfer。 2016年。飞机防撞系统的政策压缩。 在 数字航空电子系统会议（DASC），2016 IEEE/AIAA第35届。 IEEE，1-10。 谷歌学者 G.Katz、C.Barrett、D.L.Dill、K.Julian和M.J.Kochenderfer。 2017.Reluplex：用于验证深层神经网络的高效SMT解算器。 在 计算机辅助核查国际会议。 施普林格，97-117。 谷歌学者 S.Kong、S.Gao、W.Chen和E.Clarke，2015年。 d范围： Δ -混合系统可达性分析。 在 用于系统构建和分析的工具和算法国际会议。 斯普林格，200-205。 谷歌学者 G.Lafferiere、G.J.Pappas和S.Yovine。 1999.一类新的可判定混合系统。 在 混合系统国际研讨会：计算与控制。 137--151. 谷歌学者 数字图书馆 T.P.Lillicrap、J.J.Hunt、A.Pritzel、N.Heess、T.Erez、Y.Tassa、D.Silver和D.Wierstra。 2015年，通过深度强化学习进行持续控制。 arXiv预打印arXiv:1509.02971 (2015). 谷歌学者 V.Mnih、K.Kavukcuoglu、D.Silver、A.A.Rusu、J.Veness、M.G.Bellemare、A.Graves、M.Riedmiller、A.K.Fidjeland、G.Ostrovski等人，2015年。 通过深度强化学习进行人性化控制。 自然 518, 7540 (2015), 529. 谷歌学者 菲利普·波拉克（Philip Polack）、弗洛伦特·阿尔奇（Florent Altché）、布丽吉特·安德烈（Brigitte d’Andraéa Novel）和阿尔诺·德·拉福特勒（Arnaud de La Fortelle）。 2017年。运动自行车模型：规划自动驾驶车辆可行轨迹的一致模型？。 在 2017年IEEE智能车辆研讨会（IV）。 IEEE，812--818。 谷歌学者 交叉引用 拉杰什·拉贾马尼。 2011 车辆动力学和控制。 施普林格科技与商业媒体。 谷歌学者 罗伯特·萨金特（Robert G Sargent）。 2010.仿真模型的验证和确认。 在 2010年冬季模拟会议记录。 IEEE，166-183。 谷歌学者 交叉引用 D.Silver、A.Huang、C.J.Maddison、A.Guez等人，2016年。 通过深度神经网络和树搜索掌握围棋游戏。 自然 529, 7587 (2016), 484. 谷歌学者 孙晓武（Xiaowu Sun）、海塔姆·凯德（Haitham Khedr）和亚瑟·舒克里（Yasser Shoukry）。 2019.神经网络控制自治系统的正式验证。 在 第22届ACM混合系统国际会议论文集：计算与控制。 美国医学会，147-156。 谷歌学者 数字图书馆 C.Szegedy、W.Zaremba、I.Sutskever、J.Bruna、D.Erhan等人，2013年。 神经网络的有趣特性。 arXiv预打印arXiv:1312.6199 (2013). 谷歌学者 Hoang-Dung Tran、Feiyang Cai、Manzanas Lopez Diego、Patrick Musau、Taylor T Johnson和Xenofon Koutsoukos。 2019.使用强化学习控制对网络物理系统进行安全验证。 ACM嵌入式计算系统交易（TECS） 18、5s（2019）、105。 谷歌学者 数字图书馆 王世奇、裴可欣、贾斯汀·怀特豪斯、杨俊峰和苏曼·贾纳。 2018年。神经网络的有效正式安全分析。 在 神经信息处理系统的进展。 第6367页至第6377页。 谷歌学者 徐伟翁、张欢、陈红歌、赵松、谢卓奎、卢卡·丹尼尔、段伯宁和英德尔吉特·迪伦。 2018.ReLU网络认证鲁棒性的快速计算。 在 机器学习国际会议。 5273--5282. 谷歌学者
索引术语
案例研究：使用神经网络控制器验证自动赛车的安全性
建议
Verisig：用神经网络控制器验证混合系统的安全特性 HSCC’19：第22届ACM混合系统国际会议论文集：计算与控制 本文提出了一种用神经网络作为控制器来验证闭环系统安全性的混合系统方法Verisig。 我们将重点放在基于sigmoid的网络上，并利用sigmoid是二次型网络的解这一事实。。。 可扩展定量神经网络分析案例 SE4SafeML 2023：第一届含机器学习部件的安全关键系统可靠性和可信度国际研讨会会议记录 神经网络是一种越来越常用的工具，用于解决需要复杂分析和模式匹配的问题，例如识别自动驾驶汽车中的停车标志或在诊断过程中处理医学图像。 因此，……的验证。。。 基于区间加权的神经网络抽象验证 计算机的安全性、可靠性和安全性。 SAFECOMP 2022研讨会 摘要 近年来，神经网络（NNs）已经取得了很大的成熟度和效率，其应用已经扩展到各个领域，包括安全关键系统的一些模块。 另一方面，最近的研究表明，神经网络。。。
