Buchumschlag

Provably-Safe Neural Network Training Using Hybrid Zonotope Reachability Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chung, Long Kiu, Kousik, Shreyas
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Reachability Analysis for Convolutional Neural Networks Using Hybrid Zonotopes
von: Zhang, Yuhao, et al.
Veröffentlicht: (2025)

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

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

An Efficient Reachability-Based Framework for Provably Safe Autonomous Navigation in Unknown Environments
von: Bajcsy, Andrea, et al.
Veröffentlicht: (2019)

SafeAdapt: Provably Safe Policy Updates in Deep Reinforcement Learning
von: Anisimov, Maksim, et al.
Veröffentlicht: (2026)

Safe Flow Q-Learning: Offline Safe Reinforcement Learning with Reachability-Based Flow Policies
von: Tayal, Mumuksh, et al.
Veröffentlicht: (2026)

Implicit Safe Set Algorithm for Provably Safe Reinforcement Learning
von: Zhao, Weiye, et al.
Veröffentlicht: (2024)

Provably Safe Neural Network Controllers via Differential Dynamic Logic
von: Teuber, Samuel, et al.
Veröffentlicht: (2024)

Provably Powerful Graph Neural Networks for Directed Multigraphs
von: Egressy, Béni, et al.
Veröffentlicht: (2023)

Training Safe Neural Networks with Global SDP Bounds
von: Soletskyi, Roman, et al.
Veröffentlicht: (2024)

Dynamic Model Predictive Shielding for Provably Safe Reinforcement Learning
von: Banerjee, Arko, et al.
Veröffentlicht: (2024)

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

Leveraging Analytic Gradients in Provably Safe Reinforcement Learning
von: Walter, Tim, et al.
Veröffentlicht: (2025)

Provable Generalization in Overparameterized Neural Nets
von: Dhingra, Aviral
Veröffentlicht: (2025)

Beyond Hard Constraints: Budget-Conditioned Reachability For Safe Offline Reinforcement Learning
von: Brahmanage, Janaka Chathuranga, et al.
Veröffentlicht: (2026)

Provably Robust and Plausible Counterfactual Explanations for Neural Networks via Robust Optimisation
von: Jiang, Junqi, et al.
Veröffentlicht: (2023)

Provable Training Data Identification for Large Language Models
von: Liu, Zhenlong, et al.
Veröffentlicht: (2025)

Revisiting LARS for Large Batch Training Generalization of Neural Networks
von: Do, Khoi, et al.
Veröffentlicht: (2023)

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

Evidence of Learned Look-Ahead in a Chess-Playing Neural Network
von: Jenner, Erik, et al.
Veröffentlicht: (2024)

Provable Acceleration of Nesterov's Accelerated Gradient Method over Heavy Ball Method in Training Over-Parameterized Neural Networks
von: Liu, Xin, et al.
Veröffentlicht: (2022)

Provable Last-Iterate Convergence for Multi-Objective Safe LLM Alignment via Optimistic Primal-Dual
von: Li, Yining, et al.
Veröffentlicht: (2026)

Implicit Hypergraph Neural Networks: A Stable Framework for Higher-Order Relational Learning with Provable Guarantees
von: Li, Xiaoyu, et al.
Veröffentlicht: (2025)

SMiLE: Provably Enforcing Global Relational Properties in Neural Networks
von: Francobaldi, Matteo, et al.
Veröffentlicht: (2025)

Provably Robust Pre-Trained Ensembles for Biomarker-Based Cancer Classification
von: Lee, Chongmin, et al.
Veröffentlicht: (2024)

Double Successive Over-Relaxation Q-Learning with an Extension to Deep Reinforcement Learning
von: R, Shreyas S
Veröffentlicht: (2024)

A Provable Approach for End-to-End Safe Reinforcement Learning
von: Wachi, Akifumi, et al.
Veröffentlicht: (2025)

Advancing Safe Mechanical Ventilation Using Offline RL With Hybrid Actions and Clinically Aligned Rewards
von: Yousuf, Muhammad Hamza, et al.
Veröffentlicht: (2025)

Provably Safe Generative Sampling with Constricting Barrier Functions
von: Gadginmath, Darshan, et al.
Veröffentlicht: (2026)

Hybrid SARIMA LSTM Model for Local Weather Forecasting: A Residual Learning Approach for Data Driven Meteorological Prediction
von: Rajeev, Shreyas, et al.
Veröffentlicht: (2026)

Theoretical Foundation of Flow-Based Time Series Generation: Provable Approximation, Generalization, and Efficiency
von: Long, Jiangxuan, et al.
Veröffentlicht: (2025)

Z-Error Loss for Training Neural Networks
von: Godin, Guillaume
Veröffentlicht: (2025)

Energy Consumption in Parallel Neural Network Training
von: Huber, Philipp, et al.
Veröffentlicht: (2025)

Training Neural Networks for Modularity aids Interpretability
von: Golechha, Satvik, et al.
Veröffentlicht: (2024)

Automatic Stability and Recovery for Neural Network Training
von: Or, Barak
Veröffentlicht: (2026)

Gradient-Free Training of Quantized Neural Networks
von: Cohen, Noa, et al.
Veröffentlicht: (2024)

From Algorithm to Hardware: A Survey on Efficient and Safe Deployment of Deep Neural Networks
von: Geng, Xue, et al.
Veröffentlicht: (2024)

Verified SHAP: Provable Bounds for Exact Shapley Values of Neural Networks
von: Boetius, David, et al.
Veröffentlicht: (2026)

A Scalable Hybrid Training Approach for Recurrent Spiking Neural Networks
von: Baronig, Maximilian, et al.
Veröffentlicht: (2025)

Towards Universal Neural Likelihood Inference
von: Brahmavar, Shreyas Bhat, et al.
Veröffentlicht: (2025)