Zum Inhalt springen

Nur-Lesen-Fassung: Das Forschungsinformationssystem (FIS) ist aus Sicherheitsgründen vorübergehend durch diese Nur-Lesen-Fassung ersetzt. Alle öffentlichen Inhalte und Volltexte sind weiterhin abrufbar; Anmeldung, Bearbeitung, Einreichung und Statistiken stehen nicht zur Verfügung. Bei Fragen: fis@uni-bamberg.de

Start › Publikationen › Strategies for Safety Goal Decomposition for Neural Networks

Publikation

Strategies for Safety Goal Decomposition for Neural Networks

Schwalbe, Gesina; Schels, Martin (2019): Strategies for Safety Goal Decomposition for Neural Networks, in: München: German Chapter of the ACM e.V.

Details

Fakultät/Lehrstuhl
Autorin(nen)/Autor(en)
Schwalbe, Gesina
Schels, Martin
Konferenz
3rd ACM Computer Science in Cars Symposium – Future Challenges in Artificial Intelligence & Security for Autonomous Vehicles, Kaiserslautern
Verlagsangabe
German Chapter of the ACM e.V. : München
Erscheinungsjahr
2019
Seiten
3
Sprache(n)
Englisch
Abstract

Neural networks (NNs) have become a key technology for solving highly complex tasks, and require integration into future safety argumentations. New safety relevant aspects introduced by NN based algorithms are: representativity of test cases, robustness, inner representation and logic, and failure detection for NNs. In this paper, a general argumentation structure for safety cases respecting these four aspects is proposed together with possible sources of evidence.

GND-Schlagwort(e)
Neuronales Netz ; Beweisführung ; Dekomposition ; Sicherheit
Freie Schlagwort(e)
neural network
safety argumentation
safety goal decomposition
DDC-Klassifikation
004 Computer science
RVK-Klassifikation
ST 301
Dokumenttyp
Konferenzveröffentlichung
URI
Datum der Freischaltung
10.05.2022

Permalink: https://fis.uni-bamberg.de/handle/uniba/53985 · Daten als JSON · Zitieren: BibTeX · RIS

Datenstand: 16.11.2026

Eingeschränkter Lesezugriff: Anmeldung, Bearbeitung und Einreichung sind vorübergehend deaktiviert.