arxiv：2404.01769v1 [cs.lg] 2024年4月2日__

arxiv：2404.01769v1 [cs.lg] 2024年4月2日

可下载资源数量

已经购买

下载数量：1

单价	0 4.0
Coupon	100% 0%
Total	0 4.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2404.01769v1 [cs.lg] 2024年4月2日

¥ 4.0

热度

摘要。深度加强学习技术的快速进步可以通过使用深神经网络（DNNS）来监督安全 - 关键系统。这强调了迫切需要为此类DNN控制系统建立精心设计的安全保证。大多数现有的验证方法都取决于定性方法，主要是使用可达性分析。但是，定性验证证明了DNN控制的系统不足，因为在开放和对抗环境中运行时，其行为表现出随机趋势。在本文中，我们提出了一个新的框架，用于统一DNN控制系统的定性和定量安全验证概率。这是通过将验证任务作为有效神经屏障证书（NBC）的综合来实现的。最初，该框架试图通过定性验证来建立几乎固定的安全保证。在定性验证失败的情况下，我们调用了我们的定量验证方法，在无限和有限的时间范围内都可以在概率安全性上获得精确的下限和上限。为了促进NBC的合成，我们引入了它们的𝑘诱导变体。我们还设计了一种模拟引导的训练NBC的方法，旨在在计算精确认证的上限和上限时达到紧密度。我们将方法原型化为一个名为uniqq的工具，并在四个经典的DNN控制系统上展示了其e ffi cacy。

添加pdf代下载 VIP点击下载文件