Dissertação
Neural Networks robustness verification using Reachability tools EVALUATED
Garantir a robustez em controladores, tais como, Redes Neuronais (RNs) é crucial em sistemas críticos em áreas como a aeronáutica, missões espaciais ou sistemas ciberfísicos que podem ter consequências para os seres humanos (por exemplo, condução autónoma de automóveis). Atualmente, existem inúmeros métodos na literatura que apresentam algoritmos capazes de calcular conjuntos de forma exata e aproximada. No entanto, estes métodos não são completamente eficientes uma vez que podem-se tornar computacionalmente intratáveis ou então são limitados ao tipo existente de representação de conjuntos (por exemplo, polítopos ou elipsoides). O principal objetivo desta dissertação é desenvolver vários algoritmos usando um novo tipo de representação de conjuntos para verificar robustez de RNs, os quais podem ser usados para, por exemplo, validar a saída no que respeita a estabilidade de sistema em cadeia fechada. Para atingir este objetivo, este trabalho propõe o uso de Constrained Convex Generators (CCGs) permitindo calcular conjuntos sobre-aproximados. Além disso, um tipo de representação de conjuntos mais conservador, Constrained Zonotopes (CZs), também será usado para o mesmo propósito. Este trabalho também contribui para aprimorar métodos na literatura para determinar restrições lineares e não-lineares. As simulações apresentadas, ilustram vantagens e desvantagens deste novo tipo de representação de conjuntos em detrimento da mais conservadora, na qual a principal conclusão é a diferença de volumes considerando cada tipo de representação de conjuntos.
novembro 17, 2023, 12:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Rita Maria Mendes de Almeida Correia da Cunha
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado
