Buchumschlag

Verified Neural Compressed Sensing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bunel, Rudy, Dvijotham, Krishnamurthy, Kumar, M. Pawan, De Palma, Alessandro, Stanforth, Robert
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Expressive Losses for Verified Robustness via Convex Combinations
von: De Palma, Alessandro, et al.
Veröffentlicht: (2023)

Efficient Error Certification for Physics-Informed Neural Networks
von: Eiras, Francisco, et al.
Veröffentlicht: (2023)

Achieving the Tightest Relaxation of Sigmoids for Formal Verification
von: Chevalier, Samuel, et al.
Veröffentlicht: (2024)

Provably Bounding Neural Network Preimages
von: Kotha, Suhas, et al.
Veröffentlicht: (2023)

Scaling the Convex Barrier with Sparse Dual Algorithms
von: De Palma, Alessandro, et al.
Veröffentlicht: (2021)

Hierarchical Sparse Plus Low Rank Compression of LLM
von: Kumar, Pawan, et al.
Veröffentlicht: (2025)

Learning to Receive Help: Intervention-Aware Concept Embedding Models
von: Zarlenga, Mateo Espinosa, et al.
Veröffentlicht: (2023)

Confidence-aware Reward Optimization for Fine-tuning Text-to-Image Models
von: Kim, Kyuyoung, et al.
Veröffentlicht: (2024)

Branch and Bound for Piecewise Linear Neural Network Verification
von: Bunel, Rudy, et al.
Veröffentlicht: (2019)

No, of Course I Can! Deeper Fine-Tuning Attacks That Bypass Token-Level Safety Mechanisms
von: Kazdan, Joshua, et al.
Veröffentlicht: (2025)

Latent Generative Models with Tunable Complexity for Compressed Sensing and other Inverse Problems
von: Gunn, Sean, et al.
Veröffentlicht: (2026)

Correlated Noise Provably Beats Independent Noise for Differentially Private Learning
von: Choquette-Choo, Christopher A., et al.
Veröffentlicht: (2023)

Verified Safe Reinforcement Learning for Neural Network Dynamic Models
von: Wu, Junlin, et al.
Veröffentlicht: (2024)

Self-Compressing Neural Networks
von: Cséfalvay, Szabolcs, et al.
Veröffentlicht: (2023)

Putting the Value Back in RL: Better Test-Time Scaling by Unifying LLM Reasoners With Verifiers
von: Sareen, Kusha, et al.
Veröffentlicht: (2025)

Can We Formally Verify Neural PDE Surrogates? SMT Compilation of Small Fourier Neural Operators
von: Baheri, Ali, et al.
Veröffentlicht: (2026)

vAttention: Verified Sparse Attention
von: Desai, Aditya, et al.
Veröffentlicht: (2025)

Position: Behavioural Assurance Cannot Verify the Safety Claims Governance Now Demands
von: Seth, Pratinav, et al.
Veröffentlicht: (2026)

Verification of Geometric Robustness of Neural Networks via Piecewise Linear Approximation and Lipschitz Optimisation
von: Batten, Ben, et al.
Veröffentlicht: (2024)

CoSA: Compressed Sensing-Based Adaptation of Large Language Models
von: Wei, Songtao, et al.
Veröffentlicht: (2026)

Diffusion Generative Models Meet Compressed Sensing, with Applications to Imaging and Finance
von: Guo, Zhengyi, et al.
Veröffentlicht: (2025)

DISCO: learning to DISCover an evolution Operator for multi-physics-agnostic prediction
von: Morel, Rudy, et al.
Veröffentlicht: (2025)

Formally Verifying Analog Neural Networks Under Process Variations Using Polynomial Zonotopes
von: Abu-Haeyeh, Yasmine, et al.
Veröffentlicht: (2026)

LitLLMs, LLMs for Literature Review: Are we there yet?
von: Agarwal, Shubham, et al.
Veröffentlicht: (2024)

Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers
von: Cai, Xin-Qiang, et al.
Veröffentlicht: (2025)

Compressing Deep Neural Networks Using Explainable AI
von: Soroush, Kimia, et al.
Veröffentlicht: (2025)

Faster Verified Explanations for Neural Networks
von: De Palma, Alessandro, et al.
Veröffentlicht: (2025)

Reinforced Compressive Neural Architecture Search for Versatile Adversarial Robustness
von: Wang, Dingrong, et al.
Veröffentlicht: (2024)

Verifying the Verifiers: Unveiling Pitfalls and Potentials in Fact Verifiers
von: Seo, Wooseok, et al.
Veröffentlicht: (2025)

TrimR: Verifier-based Training-Free Thinking Compression for Efficient Test-Time Scaling
von: Lin, Weizhe, et al.
Veröffentlicht: (2025)

The Role of Environment Access in Agnostic Reinforcement Learning
von: Krishnamurthy, Akshay, et al.
Veröffentlicht: (2025)

HDL-GPT: High-Quality HDL is All You Need
von: Kumar, Bhuvnesh, et al.
Veröffentlicht: (2024)

SoundnessBench: A Soundness Benchmark for Neural Network Verifiers
von: Zhou, Xingjian, et al.
Veröffentlicht: (2024)

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

Compression Repair for Feedforward Neural Networks Based on Model Equivalence Evaluation
von: Mo, Zihao, et al.
Veröffentlicht: (2024)

Optimizing Deep Neural Networks using Safety-Guided Self Compression
von: Zbeeb, Mohammad, et al.
Veröffentlicht: (2025)

Learning Hidden Markov Models Using Conditional Samples
von: Kakade, Sham M., et al.
Veröffentlicht: (2023)

V-STaR: Training Verifiers for Self-Taught Reasoners
von: Hosseini, Arian, et al.
Veröffentlicht: (2024)

SCI-Verifier: Scientific Verifier with Thinking
von: Zheng, Shenghe, et al.
Veröffentlicht: (2025)

Verifying Machine Unlearning with Explainable AI
von: Vidal, Àlex Pujol, et al.
Veröffentlicht: (2024)