PulseAugur
中
实时 22:19:23
English(EN) On the Stability and Realizability of Recurrent Polynomial Surrogate Ternary Logic Gate Networks

新的RNN架构为安全关键系统提供形式化保证

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为循环可微三元逻辑门网络（R-DTLGN）的新型循环神经网络架构。该架构使用三值逻辑运行，其中“0”表示未知状态，为安全关键系统中的运行时监视器提供形式化保证。R-DTLGN确保在传感器数据受损时输出能够优雅降级，并提供原则性弃权，这意味着未知输入不会导致错误输出。其设计直接关联到信号时序逻辑（STL）的时序算子，允许通过公式驱动网络大小调整，而不是手动调整超参数。 AI

影响 引入了一种具有形式化保证的新型循环架构，适用于安全关键应用，有可能提高需要鲁棒时序逻辑预测的系统的可靠性。

排序理由 该集群包含一篇详细介绍具有形式化保证的新型神经网络架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Sai Sandeep Damera, Ryan Matheu, Aniruddh G. Puranic, John S. Baras, Calin Belta ·

    On the Stability and Realizability of Recurrent Polynomial Surrogate Ternary Logic Gate Networks

    arXiv:2605.24649v1 Announce Type: cross Abstract: Recurrent Neural Networks (RNNs) can learn to predict Signal Temporal Logic (STL) verdicts online from partial trajectories, but deploying them as runtime monitors in safety-critical systems demands more than predictive accuracy. …

相关话题