抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ニューラルネットワークの安全性とロバスト性を検証するために,研究者は,主に区間抽象領域を用いて抽象解釈を成功裡に適用した。本論文では,ニューラルネットワーク検証のための区間領域の理論的電力と限界を研究した。最初に,間隔ユニバーサル近似(IUA)定理を導入した。IUAは,ニューラルネットワークが何十年間も知られているように,任意の連続関数f(普遍的近似)を近似できるだけでなく,その区間限界がfのセット意味論の任意に近い近似(入力のセットにfを適用した結果)である,任意の良く行動した活性化関数を用いて,ニューラルネットワークを見つけることができることを示す。この概念を近似間隔近似と呼ぶ。著者らの定理は,ReLUからのBaader et al.の最近の結果を,スクアッシング可能な関数と呼ぶ豊富なクラスの活性化関数に一般化する。さらに,IUA定理は,ほぼ任意の実用的な活性化関数を用いて,l_∞ノルムの下で常にロバストニューラルネットワークを構築できることを意味する。第2に,正確な間隔解析に準拠するニューラルネットワーク構築の計算量を研究した。これは,IUAの建設的証明が近似領域のサイズにおいて指数関数的であるので,重要な疑問である。この疑問を,スクッシング可能な活性化関数を持つニューラルネットワークの範囲を近似する問題まで,この問題を沸騰する。範囲近似問題(RA)はΔ_2中間問題であり,これはNP完全問題よりも厳密に硬く,コNPは⊂でないと仮定した。NP.その結果,IUAは本質的に困難な問題であり,抽象ドメインや計算ツールが区間近似を達成するために考慮されない問題であり,そのような普遍的な近似器の効率的構築はない。これは,ロバストなネットワークを起動する場合でもロバストネットワークを構築するのは難しいことを意味する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】