Soft voting robustness in neural network ensembles with empirical analysis and formal verification

Kovács, Ádám, Gunics, Roland, Kovásznai, Gergely, Tajti, Tibor (2025) Soft voting robustness in neural network ensembles with empirical analysis and formal verification Annales Mathematicae et Informaticae. 61. pp. 171-185. ISSN 1787-6117 (Online)

pdf 171_185_kovács.pdf Download (514kB) [error in script]

Absztrakt (kivonat)

Neural network ensembles with soft voting improve accuracy and stability by aggregating multiple models; however, their reliability under individual model failure remains a critical concern. This paper addresses the robustness of soft-voting ensembles in safety-critical settings by combining empirical analysis and formal verification. We evaluate the impact of singlemodel failures on ensemble performance and find that soft voting yields graceful degradation, with only minimal loss in accuracy when one component model is removed or corrupted. In parallel, we develop a formal verification framework to investigate whether the ensemble’s final prediction remains unchanged under any single-model failure scenario. The results demonstrate that soft-voting ensembles can maintain reliable outputs despite individual model failures, providing both empirical evidence and provable guarantees of fault tolerance in neural network ensembles.

Mű típusa:	Folyóiratcikk - Journal article
Szerző:	Szerző neve Email MTMT azonosító ORCID azonosító Közreműködés Kovács, Ádám NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző Gunics, Roland NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző Kovásznai, Gergely NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző Tajti, Tibor NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző
Kapcsolódó URL-ek:	Befoglaló kötet
Kulcsszavak:	neural network, ensemble, robustness, model failure, formal verification, SMT
Folyóirat alcíme:	Selected papers of the International Conference on Formal Methods and Foundations of Artificial Intelligence
Nyelv:	angol
Kötetszám:	61.
DOI azonosító:	10.33039/ami.2025.10.002
ISSN:	1787-6117 (Online)
Felhasználó:	Tibor Gál
Dátum:	29 Okt 2025 12:45
Utolsó módosítás:	29 Okt 2025 12:45
URI:	http://publikacio.uni-eszterhazy.hu/id/eprint/8834

Műveletek (bejelentkezés szükséges)

Tétel nézet