Kovásznai, Gergely, Kiss, Dorina Hedvig, Mlinkó, Péter (2023) Formal verification for quantized neural networks Annales Mathematicae et Informaticae. 57. pp. 36-48. ISSN 1787-6117 (Online)
![[thumbnail of AMI_57_from36to48.pdf]](http://publikacio.uni-eszterhazy.hu/style/images/fileicons/text.png) |
pdf
AMI_57_from36to48.pdf Download (736kB) [error in script] |
Absztrakt (kivonat)
Despite of deep neural networks are being successfully used in many fields of computing, it is still challenging to verify their trustiness. Previously it has been shown that binarized neural networks can be verified by being encoded into Boolean constraints. In this paper, we generalize this encoding to quantized neural networks (QNNs). We demonstrate how to implement QNNs in Python, using the Tensorflow and Keras libraries. Also, we demonstrate how to implement a Boolean encoding of QNNs, as part of our tool that is able to run a variety of solvers to verify QNNs.
| Mű típusa: | Folyóiratcikk - Journal article |
|---|---|
| Szerző: | Szerző neve Email MTMT azonosító ORCID azonosító Közreműködés Kovásznai, Gergely NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző Kiss, Dorina Hedvig NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző Mlinkó, Péter NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző |
| Kapcsolódó URL-ek: | |
| Kulcsszavak: | Artificial Intelligence, Deep Learning, Neural Network, Formal Verification, SAT, SMT, Constraint Programming, Python, Keras |
| Nyelv: | angol |
| Kötetszám: | 57. |
| DOI azonosító: | 10.33039/ami.2023.04.003 |
| ISSN: | 1787-6117 (Online) |
| Felhasználó: | Tibor Gál |
| Dátum: | 18 Júl 2023 19:13 |
| Utolsó módosítás: | 04 Aug 2026 10:48 |
| URI: | http://publikacio.uni-eszterhazy.hu/id/eprint/7697 |
 |
Tétel nézet |
