Super-DeepG: Nuovo metodo per certificare le reti neurali contro perturbazioni geometriche
Un nuovo metodo chiamato Super-DeepG migliora la verifica formale delle reti neurali contro perturbazioni geometriche come rotazione, ridimensionamento, taglio e traslazione. L'approccio potenzia le tecniche di rilassamento lineare e l'ottimizzazione di Lipschitz, sfruttando l'hardware GPU per l'efficienza computazionale. Super-DeepG supera i lavori precedenti sia in precisione che in velocità di certificazione della robustezza. Lo strumento è open-source e disponibile su GitHub.
Fatti principali
- Super-DeepG affronta la verifica formale delle reti neurali contro perturbazioni geometriche.
- Le perturbazioni geometriche includono rotazione, ridimensionamento, taglio e traslazione.
- Il metodo migliora le tecniche di rilassamento lineare e l'ottimizzazione di Lipschitz.
- Super-DeepG sfrutta l'hardware GPU per l'efficienza.
- Supera i lavori precedenti in precisione ed efficienza computazionale.
- Lo strumento è condiviso come open-source su GitHub.
- L'articolo è pubblicato su arXiv sotto Computer Science > Artificial Intelligence.
- ID arXiv: 2604.24379
Entità
Istituzioni
- arXiv
- GitHub