Erroneous models in neural networks and their threats for formal verification - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2020

Erroneous models in neural networks and their threats for formal verification

Erreurs de modèles dans les réseaux de neurones et leurs menaces pour la vérification formelle

Résumé

This article explains why current dependability techniques are not suitable for neural networks (NN). It also shows with an experiment that we need to justifiably trust neural networks modeling before formal verification can be used for critical applications.
Cet article montre les limites de l'application des techniques de sureté de fonctionnement actuelles aux réseaux de neurones. Il montre également à l'aide d'une expérience, le besoin d'apporter une confiance justifiée dans les modèles des réseaux de neurones pour permettre l'utilisation de la vérification formelle.
Fichier principal
Vignette du fichier
article sans marque lambda mu (17-02-2021).pdf (225.91 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03144913 , version 1 (18-02-2021)

Identifiants

  • HAL Id : hal-03144913 , version 1

Citer

Augustin Viot, Benjamin Lussier, Walter Schön, Stéphane Geronimi, Armando Tacchella. Erroneous models in neural networks and their threats for formal verification. Lambda Mu 22 - Congrès de maîtrise des risques et de sûreté de fonctionnement, Oct 2020, Le Havre, France. pp.596. ⟨hal-03144913⟩
101 Consultations
114 Téléchargements

Partager

Gmail Facebook X LinkedIn More