文献

J-GLOBAL ID：202102288302255070   整理番号：21A0443115

ニューラルネットワークロバスト性検定のための強化凸緩和【JST・京大機械翻訳】

Tightened Convex Relaxations for Neural Network Robustness Certification

著者 (4件)： Anderson Brendon G. (University of California,Berkeley) ,  Ma Ziye (University of California,Berkeley) ,  Li Jingqi (University of California,Berkeley) ,  Sojoudi Somayeh (Tsinghua-Berkeley Shenzhen Institute)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CDC  ページ： 2190-2197  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ニューラルネットワークのロバスト性を摂動および敵対する入力データに証明する問題を考察した。このような認証は,安全クリティカル意思決定と制御システムにおけるニューラルネットワークの応用に不可欠である。凸最適化を用いた認証技術が提案されているが,それらはしばしば証明書をボイドする緩和誤差に悩まされている。本研究では,ReLUネットワークの構造を利用して,新しい分割ベース認証手順による緩和誤差を改善した。提案方法は,既存の線形プログラミング緩和を締め固めて,分割がより微細になるので,漸近的にゼロ緩和誤差を達成することを証明した。ゼロ緩和誤差を達成する有限分割を開発し,結果を用いて最悪ケース緩和誤差を最小化する扱いやすい分割スキームを導いた。実データを用いた実験は,分割手続きが,事前の方法が失敗する場合にロバスト性証明書を発行できることを示した。その結果,分割ベースの認証手順が,既存の凸緩和技術を強化するための直感的で,効果的で,理論的に正当化された方法を与えることが分かった。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 線形計画法 ,  意思決定 ,  *ネットワーク ,  制御系 ,  *ニューラルネットワーク ,  *緩和現象 ,  凸形 ,  *ロバスト性 ,  認証
準シソーラス用語： 証明書 ,  凸最適化 ,  入力データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ニューラルネットワーク ,  ロバスト性 ,  検定 ,  強化 ,  凸 ,  緩和