提出神经网络可达性分析的二次表征框架

Elias Khalife、Mazen Farhood 与 Pierre-Loic Garoche 在 arXiv 提出一套构造神经网络标量关系经验证二次表征的框架，用于可达性分析：先用关系样本和外部样本点求解凸二次规划生成候选二次不等式，再用平方和证书在精确半代数描述或松弛多项式描述上做全局验证，得到可靠的过近似约束。 论文称数值例子显示该方法对光滑激活改进可达性结果、对 ReLU 网络降低保守性，并通过饱和函数例子说明可用于神经网络之外的场景。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。