AAAI2022最新「深度神经网络验证」教程报告,100+页PPT阐述理论与实践进展

2022 年 3 月 9 日 专知

【导读】国际人工智能会议AAAI 2022论文将在全程线上举办,时间在 2 月 22 日-3 月 1 日,本届大会也将是第 36 届 AAAI 大会。大会涵盖了众多最近研究Tutorial报告,来自Huan Zhang等学者共同做了关于神经网络验证研究进展报告,非常值得关注!




神经网络已经成为现代人工智能的重要组成部分。然而,它们通常是黑盒,可能会出乎意料地行为,并产生令人惊讶的错误结果,例如对抗的例子。在本教程中,我们将介绍神经网络验证问题,其目的是保证神经网络的特性,如鲁棒性、安全性和正确性。我们的教程涵盖了验证问题的理论基础和最先进算法的介绍。此外,我们还将为用户友好的神经网络验证工具箱提供实践编码教程,允许从业者轻松地将正式的验证技术应用到他们的定制应用中。我们的教程包括在谷歌Colab中编码演示。我们将演示通用的auto_LiRPA库和获奖的α,β-CROWN验证器的使用。

目录内容:

Part I: Introduction to Neural Network Verifier

Part II: Neural Network Verification Algorithms

Part III: Hands-on Tutorial on Using State-of-the-art Verification Tools

    地址:

    https://neural-network-verification.com/



    专知便捷查看

    便捷下载,请关注专知公众号(点击上方蓝色专知关注)

    • 后台回复“VDNN” 可以获取AAAI2022最新「深度神经网络验证」教程报告,100+页PPT阐述理论与实践进展专知下载链接索引

    专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
    欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
    点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
    登录查看更多
    0

    相关内容

    国家自然科学基金
    7+阅读 · 2015年12月31日
    国家自然科学基金
    2+阅读 · 2014年12月31日
    国家自然科学基金
    3+阅读 · 2014年12月31日
    国家自然科学基金
    1+阅读 · 2014年12月31日
    国家自然科学基金
    5+阅读 · 2013年12月31日
    国家自然科学基金
    3+阅读 · 2013年12月31日
    国家自然科学基金
    0+阅读 · 2013年12月31日
    国家自然科学基金
    1+阅读 · 2013年12月31日
    国家自然科学基金
    0+阅读 · 2012年12月31日
    国家自然科学基金
    0+阅读 · 2012年12月31日
    Arxiv
    0+阅读 · 2022年4月15日
    Arxiv
    16+阅读 · 2021年7月18日
    Arxiv
    35+阅读 · 2021年1月27日
    Optimization for deep learning: theory and algorithms
    Arxiv
    104+阅读 · 2019年12月19日
    AutoML: A Survey of the State-of-the-Art
    Arxiv
    69+阅读 · 2019年8月14日
    VIP会员
    相关VIP内容
    相关基金
    国家自然科学基金
    7+阅读 · 2015年12月31日
    国家自然科学基金
    2+阅读 · 2014年12月31日
    国家自然科学基金
    3+阅读 · 2014年12月31日
    国家自然科学基金
    1+阅读 · 2014年12月31日
    国家自然科学基金
    5+阅读 · 2013年12月31日
    国家自然科学基金
    3+阅读 · 2013年12月31日
    国家自然科学基金
    0+阅读 · 2013年12月31日
    国家自然科学基金
    1+阅读 · 2013年12月31日
    国家自然科学基金
    0+阅读 · 2012年12月31日
    国家自然科学基金
    0+阅读 · 2012年12月31日
    相关论文
    Arxiv
    0+阅读 · 2022年4月15日
    Arxiv
    16+阅读 · 2021年7月18日
    Arxiv
    35+阅读 · 2021年1月27日
    Optimization for deep learning: theory and algorithms
    Arxiv
    104+阅读 · 2019年12月19日
    AutoML: A Survey of the State-of-the-Art
    Arxiv
    69+阅读 · 2019年8月14日
    Top
    微信扫码咨询专知VIP会员