热点事件持续更新

CLAD：约束抽象域提升神经网络验证效果

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

研究人员 Hai Duong、Thanh Le、ThanhVu Nguyen 提出约束拉格朗日抽象域（CLAD），用于在由多个凸约束组合定义的输入区域上对神经网络做可靠的过近似，并用对偶投影法求解无闭式解的神经元边界问题。在四个卷积网络、1,944 个带半空间或 L2-ball 约束的运动模糊结构化扰动实例上，CLAD 在标准无约束 Linf 属性下验证数量与 GCPCROWN 相当、运行时间相近；在约束属性下，其在 L2-ball 属性上的验证数量比 GCPCROWN 多 60%，总体多 22%。上述对比数据来自论文自身的实验评估。

AI 根据报道生成 · 1 小时前更新

最新进展10月7日 12:00

CLAD：面向神经网络验证的约束抽象域

报道时间线

沿着报道，了解事件的不同侧面。

10月7日

12:00
arXiv：cs.LG
CLAD：面向神经网络验证的约束抽象域
研究人员提出约束拉格朗日抽象域（CLAD），可在由多个凸约束组合定义的输入区域上对神经网络做可靠的过近似，并通过对偶投影法求解无闭式解的神经元边界问题。在四个卷积网络、1,944 个运动模糊结构化扰动实例上，CLAD 在标准无约束 Linf 属性下验证数量与 GCPCROWN 相当、运行时间相近；在约束属性下，L2-ball 属性验证数量比 GCPCROWN 多 60%，总计多 22%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。