Buchumschlag

DEM: A Method for Certifying Deep Neural Network Classifier Outputs in Aerospace

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Katz, Guy, Levy, Natan, Refaeli, Idan, Yerushalmi, Raz
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FairQuant: Certifying and Quantifying Fairness of Deep Neural Networks
von: Kim, Brian Hyeongseok, et al.
Veröffentlicht: (2024)

Talking with Verifiers: Automatic Specification Generation for Neural Network Verification
von: Elboher, Yizhak Y., et al.
Veröffentlicht: (2026)

Which Alert Removals are Beneficial?
von: Amit, Idan
Veröffentlicht: (2026)

A Large Scale Survey of Motivation in Software Development and Analysis of its Validity
von: Amit, Idan, et al.
Veröffentlicht: (2024)

DANDI: Diffusion as Normative Distribution for Deep Neural Network Input
von: Kim, Somin, et al.
Veröffentlicht: (2025)

Unified Implementations of Recurrent Neural Networks in Multiple Deep Learning Frameworks
von: Martinuzzi, Francesco
Veröffentlicht: (2025)

FairFLRep: Fairness aware fault localization and repair of Deep Neural Networks
von: Openja, Moses, et al.
Veröffentlicht: (2025)

Follow Your Nose -- Which Code Smells are Worth Chasing?
von: Amit, Idan, et al.
Veröffentlicht: (2021)

ModelVerification.jl: a Comprehensive Toolbox for Formally Verifying Deep Neural Networks
von: Wei, Tianhao, et al.
Veröffentlicht: (2024)

FAST: Boosting Uncertainty-based Test Prioritization Methods for Neural Networks via Feature Selection
von: Chen, Jialuo, et al.
Veröffentlicht: (2024)

DeepGD: A Multi-Objective Black-Box Test Selection Approach for Deep Neural Networks
von: Aghababaeyan, Zohreh, et al.
Veröffentlicht: (2023)

Generating Realistic, Diverse, and Fault-Revealing Inputs with Latent Space Interpolation for Testing Deep Neural Networks
von: Duan, Bin, et al.
Veröffentlicht: (2025)

Proof Minimization in Neural Network Verification
von: Isac, Omri, et al.
Veröffentlicht: (2025)

Prompt Smells: An Omen for Undesirable Generative AI Outputs
von: Ronanki, Krishna, et al.
Veröffentlicht: (2024)

Automated Trustworthiness Testing for Machine Learning Classifiers
von: Cho, Steven, et al.
Veröffentlicht: (2024)

PICID: Proof-Driven Clause Learning in Neural Network Verification
von: Isac, Omri, et al.
Veröffentlicht: (2025)

A DPLL(T) Framework for Verifying Deep Neural Networks
von: Duong, Hai, et al.
Veröffentlicht: (2023)

The Constraint Tax: Measuring Validity-Correctness Tradeoffs in Structured Outputs for Small Language Models
von: Ray, Jaideep
Veröffentlicht: (2026)

AutoSpec: Automated Generation of Neural Network Specifications
von: Jin, Shuowei, et al.
Veröffentlicht: (2024)

Concolic Testing on Individual Fairness of Neural Network Models
von: Huang, Ming-I, et al.
Veröffentlicht: (2025)

Fairpriori: Improving Biased Subgroup Discovery for Deep Neural Network Fairness
von: Zhou, Kacy, et al.
Veröffentlicht: (2024)

VNN: Verification-Friendly Neural Networks with Hard Robustness Guarantees
von: Baninajjar, Anahita, et al.
Veröffentlicht: (2023)

500+ Times Faster Than Deep Learning (A Case Study Exploring Faster Methods for Text Mining StackOverflow)
von: Majumder, Suvodeep, et al.
Veröffentlicht: (2018)

Comparative Analysis of Quantum and Classical Support Vector Classifiers for Software Bug Prediction: An Exploratory Study
von: Nadim, Md, et al.
Veröffentlicht: (2025)

SimCert: Probabilistic Certification for Behavioral Similarity in Deep Neural Network Compression
von: Li, Jingyang, et al.
Veröffentlicht: (2026)

Phoeni6: a Systematic Approach for Evaluating the Energy Consumption of Neural Networks
von: Oliveira-Filho, Antônio, et al.
Veröffentlicht: (2025)

Enhancing Software Vulnerability Detection Using Code Property Graphs and Convolutional Neural Networks
von: Saimbhi, Amanpreet Singh
Veröffentlicht: (2025)

RLHGNN: Reinforcement Learning-driven Heterogeneous Graph Neural Network for Next Activity Prediction in Business Processes
von: Wang, Jiaxing, et al.
Veröffentlicht: (2025)

Exploring and Evaluating Interplays of BPpy with Deep Reinforcement Learning and Formal Methods
von: Yaacov, Tom, et al.
Veröffentlicht: (2025)

On Accelerating Deep Neural Network Mutation Analysis by Neuron and Mutant Clustering
von: Lyons, Lauren, et al.
Veröffentlicht: (2025)

Read, Extract, Classify: A Tool for Smarter Requirements Engineering
von: Bhattacharya, Paheli, et al.
Veröffentlicht: (2026)

Characterizing and Classifying Developer Forum Posts with their Intentions
von: Wu, Xingfang, et al.
Veröffentlicht: (2023)

A Comprehensive Study of Deep Learning Model Fixing Approaches
von: You, Hanmo, et al.
Veröffentlicht: (2025)

Prefetching Cache Optimization Using Graph Neural Networks: A Modular Framework and Conceptual Analysis
von: Qowy, F. I.
Veröffentlicht: (2025)

Grounding Data Science Code Generation with Input-Output Specifications
von: Wen, Yeming, et al.
Veröffentlicht: (2024)

Deep Smart Contract Intent Detection
von: Huang, Youwei, et al.
Veröffentlicht: (2022)

Fault Localization in Deep Learning-based Software: A System-level Approach
von: Morovati, Mohammad Mehdi, et al.
Veröffentlicht: (2024)

SeBERTis: A Framework for Producing Classifiers of Security-Related Issue Reports
von: Masoumzadeh, Sogol, et al.
Veröffentlicht: (2025)

ExplainFuzz: Explainable and Constraint-Conditioned Test Generation with Probabilistic Circuits
von: Baiget, Annaëlle, et al.
Veröffentlicht: (2026)

Targeted Deep Learning System Boundary Testing
von: Weißl, Oliver, et al.
Veröffentlicht: (2024)