Gaussian-Based and Outside-the-Box Runtime Monitoring Join Forces

Varování

Publikace nespadá pod Ústav výpočetní techniky, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.
Autoři

HASHEMI Vahid KŘETÍNSKÝ Jan RIEDER Sabine SCHÖN Torsten VORHOFF Jan

Rok publikování 2024
Druh Článek ve sborníku
Konference RV 2024, 24th International Conference on Runtime Verification
Fakulta / Pracoviště MU

Fakulta informatiky

Citace
Doi http://dx.doi.org/10.1007/978-3-031-74234-7_14
Klíčová slova Runtime Monitoring; Neural Networks; Out-of-Model-Scope Detection
Popis Since neural networks can make wrong predictions even with high confidence, monitoring their behavior at runtime is important, especially in safety-critical domains like autonomous driving. In this paper, we combine ideas from previous monitoring approaches based on observing the activation values of hidden neurons. In particular, we combine the Gaussian-based approach, which observes whether the current value of each monitored neuron is similar to typical values observed during training, and the Outside-the-Box monitor, which creates clusters of the acceptable activation values, and, thus, considers the correlations of the neurons’ values. Our experiments evaluate the achieved improvement.
Související projekty:

Používáte starou verzi internetového prohlížeče. Doporučujeme aktualizovat Váš prohlížeč na nejnovější verzi.

Další info