ترجمه فارسی مقاله آموزش شبکه های عصبی ایمن با مرزهای جهانی SDP

چکیده

This paper presents a novel approach to training neural networks with formal safety guarantees using semidefinite programming (SDP) for verification. Our method focuses on verifying safety over large, high-dimensional input regions, addressing limitations of existing techniques that focus on adversarial robustness bounds. We introduce an ADMM-based training scheme for an accurate neural network classifier on the Adversarial Spheres dataset, achieving provably perfect recall with input dimensions up to $d=40$. This work advances the development of reliable neural network verification methods for high-dimensional systems, with potential applications in safe RL policies.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک رویکرد جدید برای آموزش شبکه های عصبی با ضمانت های ایمنی رسمی با استفاده از برنامه نویسی SemideFinite (SDP) برای تأیید ارائه شده است.روش ما بر تأیید ایمنی در مناطق ورودی بزرگ و با ابعاد بالا ، پرداختن به محدودیت های تکنیک های موجود است که بر مرزهای استحکام مخالف متمرکز است.ما یک طرح آموزشی مبتنی بر ADMM را برای یک طبقه بندی دقیق شبکه عصبی در مجموعه داده های حوزه های مخالف معرفی می کنیم ، و به یادآوری کامل و با ابعاد ورودی تا d = 40 $ دست می یابیم.این کار توسعه روشهای تأیید شبکه عصبی قابل اعتماد برای سیستم های با ابعاد بالا ، با کاربردهای بالقوه در سیاست های RL ایمن را پیشرفت می کند.