リカレントニューラルネットワークの特性指向検証【JST・京大機械翻訳】

Khmelnitsky Igor; Neider Daniel; Roy Rajarshi; Barbot Benoit; Bollig Benedikt; Finkel Alain; Haddad Serge; Leucker Martin; Ye Lina

プレプリント

J-GLOBAL ID：202202200481961738 整理番号：22P0193367

リカレントニューラルネットワークの特性指向検証【JST・京大機械翻訳】

Property-Directed Verification of Recurrent Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2020年09月22日プレプリントサーバーでの情報更新日： 2020年09月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,再帰ニューラルネットワーク(RNN)を検証するための特性指向アプローチを提案した。この目的のために,アクティブオートマトン学習を用いて与えられたRNNからの代理モデルとして決定論的有限オートマトンを学習した。このモデルは検証技術としてモデル検査を用いて解析できる。用語特性指向は,著者らの手順が,別々に2つのステップを実行するよりも,与えられた特性によって誘導され,制御されるという考えを反映する。この事は,小さな反例を迅速に発見するだけでなく,RNNの根底にある誤差に打ち勝つ故障流へのポンピングによってそれらを一般化することが可能になることを示した。【JST・京大機械翻訳】

, , , , , ,
, , , , 【Automatic Indexing@JST】

ニューロコンピュータ , 人工知能 , 自然語処理

前のページに戻る