典型文献
神经网络可信性的形式化验证方法综述
文献摘要：
随着神经网络技术的不断发展和完善,其应用也随之扩展,如何保证其可信性是在许多应用领域特别是安全攸关应用中部署的关键,目前对神经网络可信性研究主要体现在通过循环优化网络训练等过程和对神经网络进行验证两方面.基于形式化方法可以对网络属性、核心算法进行严格的逻辑和模型表达并进行验证,本文利用形式化的方法对神经网络进行可信性验证的研究现状进行综述,对神经网络可信性问题的抽象、属性表达及形式验证进行阐述,并进一步对基于反例的验证、抽象解释、可满足性求解、输入/输出可达性分析等方法的核心算法、特点进行分类阐述和总结,对未来发展趋势进行展望.
文献关键词：
神经网络;可信性属性;模型抽象;形式化方法
中图分类号：
作者姓名：
王莉;李晓娟;关永;王瑞;王佳岳
作者机构：
首都师范大学信息工程学院,北京100048;首都帅范大学高可靠嵌入式系统技术北京市工程研究中心,北京100048;首都师范大学北京成像理论与技术高精尖创新中心,北京100048;首都帅范大学轻型工业机器人与安全验证北京市重点实验室,北京100048
文献出处：
引用格式：
[1]王莉;李晓娟;关永;王瑞;王佳岳-.神经网络可信性的形式化验证方法综述)[J].小型微型计算机系统,2022(09):1830-1837
A类：
可信性属性
B类：
网络可信,形式化验证,验证方法,方法综述,神经网络技术,多应用,攸关,循环优化,网络训练,形式化方法,核心算法,利用形式,形式验证,反例,抽象解释,可达性分析,模型抽象
AB值：
0.354197
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
