多神经元凸松弛对一般ReLU网络不完备

Yuhao Mao 等人发表论文，首次严格分析神经网络认证中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，并把原本针对单神经元松弛的凸障碍推广为普适凸障碍。 论文给出两条通向完备性的途径：用多项式数量的、经过精心设计的 ReLU 神经元增强网络，或者将输入域划分为若干凸子多面体。据作者称，这一结果区分了多神经元松弛与单神经元松弛的理论能力。

AI 根据报道生成 · 5 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。