Buchumschlag

SAVER: A Toolbox for Sampling-Based, Probabilistic Verification of Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sivaramakrishnan, Vignesh, Kalagarla, Krishna C., Devonport, Rosalyn, Pilipovsky, Joshua, Tsiotras, Panagiotis, Oishi, Meeko
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

Stochastic Reachability of Uncontrolled Systems via Probability Measures: Approximation via Deep Neural Networks
von: Sivaramakrishnan, Karthik, et al.
Veröffentlicht: (2023)

BaB-prob: Branch and Bound with Preactivation Splitting for Probabilistic Verification of Neural Networks
von: Wang, Fangji, et al.
Veröffentlicht: (2025)

Forward Reachability for Discrete-Time Nonlinear Stochastic Systems via Mixed-Monotonicity and Stochastic Order
von: Sivaramakrishnan, Vignesh, et al.
Veröffentlicht: (2024)

Distributionally Robust Density Control with Wasserstein Ambiguity Sets
von: Pilipovsky, Joshua, et al.
Veröffentlicht: (2024)

Data-Driven Robust Covariance Control for Uncertain Linear Systems
von: Pilipovsky, Joshua, et al.
Veröffentlicht: (2023)

DUST: A Framework for Data-Driven Density Steering
von: Pilipovsky, Joshua, et al.
Veröffentlicht: (2024)

Computationally Efficient Chance Constrained Covariance Control with Output Feedback
von: Pilipovsky, Joshua, et al.
Veröffentlicht: (2023)

Solving Probabilistic Verification Problems of Neural Networks using Branch and Bound
von: Boetius, David, et al.
Veröffentlicht: (2024)

Probabilistically Tightened Linear Relaxation-based Perturbation Analysis for Neural Network Verification
von: Marzari, Luca, et al.
Veröffentlicht: (2025)

SAVER: Selective As-Needed Vision Evidence for Multimodal Information Extraction
von: Hu, Miaobo, et al.
Veröffentlicht: (2026)

BoxRL-NNV: Boxed Refinement of Latin Hypercube Samples for Neural Network Verification
von: Das, Sarthak
Veröffentlicht: (2025)

Neural Network Verification with PyRAT
von: Lemesle, Augustin, et al.
Veröffentlicht: (2024)

COPYCOP: Ownership Verification for Graph Neural Networks
von: Nandakumar, Rahul, et al.
Veröffentlicht: (2026)

Probabilistic ML Verification via Weighted Model Integration
von: Morettin, Paolo, et al.
Veröffentlicht: (2024)

Neural Network Verification with Branch-and-Bound for General Nonlinearities
von: Shi, Zhouxing, et al.
Veröffentlicht: (2024)

On the Probabilistic Learnability of Compact Neural Network Preimage Bounds
von: Marzari, Luca, et al.
Veröffentlicht: (2025)

Neural Network Approximators for Marginal MAP in Probabilistic Circuits
von: Arya, Shivvrat, et al.
Veröffentlicht: (2024)

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

The Cost of Relaxation: Evaluating the Error in Convex Neural Network Verification
von: Papamichail, Merkouris, et al.
Veröffentlicht: (2026)

DeepCDCL: An CDCL-based Neural Network Verification Framework
von: Liu, Zongxin, et al.
Veröffentlicht: (2024)

Probabilistic Modeling of Latent Agentic Substructures in Deep Neural Networks
von: Lee, Su Hyeong, et al.
Veröffentlicht: (2025)

Training Verification-Friendly Neural Networks via Neuron Behavior Consistency
von: Liu, Zongxin, et al.
Veröffentlicht: (2024)

Bridging Efficiency and Safety: Formal Verification of Neural Networks with Early Exits
von: Elboher, Yizhak Yisrael, et al.
Veröffentlicht: (2025)

Distributionally Robust Statistical Verification with Imprecise Neural Networks
von: Dutta, Souradeep, et al.
Veröffentlicht: (2023)

Enumerating Safe Regions in Deep Neural Networks with Provable Probabilistic Guarantees
von: Marzari, Luca, et al.
Veröffentlicht: (2023)

Characterizing Human Feedback-Based Control in Naturalistic Driving Interactions via Gaussian Process Regression with Linear Feedback
von: DiPirro, Rachel, et al.
Veröffentlicht: (2025)

Probabilistic Runtime Verification, Evaluation and Risk Assessment of Visual Deep Learning Systems
von: Torpmann-Hagen, Birk, et al.
Veröffentlicht: (2025)

Causal Neural Probabilistic Circuits
von: Chen, Weixin, et al.
Veröffentlicht: (2026)

Can Kernel Methods Explain How the Data Affects Neural Collapse?
von: Kothapalli, Vignesh, et al.
Veröffentlicht: (2024)

GNNInterpreter: A Probabilistic Generative Model-Level Explanation for Graph Neural Networks
von: Wang, Xiaoqi, et al.
Veröffentlicht: (2022)

Probabilistic Neural Networks (PNNs) for Modeling Aleatoric Uncertainty in Scientific Machine Learning
von: Pourkamali-Anaraki, Farhad, et al.
Veröffentlicht: (2024)

LTSM-Bundle: A Toolbox and Benchmark on Large Language Models for Time Series Forecasting
von: Chuang, Yu-Neng, et al.
Veröffentlicht: (2024)

From Spikes to Heavy Tails: Unveiling the Spectral Evolution of Neural Networks
von: Kothapalli, Vignesh, et al.
Veröffentlicht: (2024)

Multi-Evidence based Fact Verification via A Confidential Graph Neural Network
von: Lan, Yuqing, et al.
Veröffentlicht: (2024)

The Fifth International Verification of Neural Networks Competition (VNN-COMP 2024): Summary and Results
von: Brix, Christopher, et al.
Veröffentlicht: (2024)

Probabilistic Multi-Regional Solar Power Forecasting with Any-Quantile Recurrent Neural Networks
von: Smyl, Slawek, et al.
Veröffentlicht: (2026)

DIM: Enforcing Domain-Informed Monotonicity in Deep Neural Networks
von: Salim, Joshua, et al.
Veröffentlicht: (2025)

The 6th International Verification of Neural Networks Competition (VNN-COMP 2025): Summary and Results
von: Kaulen, Konstantin, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Fusion: An Ensemble Framework for Mitigating Hallucinations in Large Language Models
von: Dey, Prasenjit, et al.
Veröffentlicht: (2025)

GRAPES: Learning to Sample Graphs for Scalable Graph Neural Networks
von: Younesian, Taraneh, et al.
Veröffentlicht: (2023)