格格利·科瓦什奈,克里斯蒂安·加伊达尔,尼娜·纳罗季斯卡(2021)用于验证二值化神经网络的投资组合求解器数学与信息年鉴（53.）：第一届信息技术与数据科学会议论文集。第183-200页。ISSN 1787-6117（在线）
Absztrakt（基沃纳特）
虽然深度学习是一项非常成功的人工智能技术，但许多人担心提出了深度决策过程的程度神经网络是可信的。神经网络特性的验证例如，对抗性鲁棒性和网络等效性揭示了此类系统的可靠性。我们关注深层神经的一个重要家族网络，即在资源受限情况下有用的二值化神经网络（BNN）环境，如嵌入式设备。我们介绍我们的投资组合能够为SAT、SMT和MIP解算器编码BNN属性的解算器并在投资组合中并行运行它们。在论文中，我们建议不同类型BNN层的所有相应编码以及将BNN属性转换为SAT、SMT、基数约束和伪布尔值约束。我们的实验结果表明，我们的求解器能够在合理的时间内验证中型BNN的对抗鲁棒性似乎可以扩展到更大的BNN。我们还报道了网络实验与有希望的结果等价。
| 米提普萨： |
Folyóiratcikk公司 |
| Szerző： |
| 塞尔兹内夫 | MTMT azonosító | ORCID azonosító | 科兹雷姆·科德斯 |
|---|
| 格格利·科瓦什奈 | NEM RéSZLETEZETT公司 | NEM RéSZLETEZETT公司 | 塞尔茨 | | 克里斯蒂安·加伊达尔 | NEM RéSZLETEZETT公司 | NEM RéSZLETEZETT公司 | 谢尔茨 | | 尼娜·纳罗季斯卡 | NEM RéSZLETEZETT公司 | NEM RéSZLETEZETT公司 | 塞尔茨 |
|
| KapcsolódóURL-ek： |
|
| 库尔斯扎瓦克： |
人工智能、神经网络、对抗鲁棒性、形式化方法、验证、SAT、SMT、MIP |
| 尼尔夫： |
安哥拉 |
| DOI azonosító： |
10.33039/2007年3月21日星期三 |
| 国际标准编号： |
1787-6117（在线） |
| 费哈斯扎洛： |
蒂博·加尔
|
| 塔姆： |
2021年12月18日16:21 |
| Utolsómódosítás： |
2021年12月18日16:21 |
| URI（URI）： |
http://publikacio.uni-eszterhazy.hu/id/eprint/7004 |
米尔·维莱特克（bejelentkezés szükséges）
 |
Tétel nézet酒店 |
![[图像]](http://publikacio.uni-eszterhazy.hu/style/images/fileicons/text.png)
