多神经元凸松弛在神经网络认证中的表达能力分析

研究首次严格分析了多神经元凸松弛的表达能力，证明即使资源充足，这类松弛对一般 ReLU 网络仍不完备，将单神经元凸障碍扩展为普适凸障碍。研究同时给出两条实现完备性的途径：用多项式数量的精心设计 ReLU 神经元增强网络，或将输入域划分为凸子多面体。该结果区分了多神经元与单神经元松弛的理论能力，为认证鲁棒性研究指明新方向。