The Cost of Relaxation: Evaluating the Error in Convex Neural Network Verification

Este artigo investiga a divergência no pior caso entre redes neurais originais e suas relaxações convexas, usadas em sistemas de verificação para melhorar o desempenho em detrimento da solidez. O estudo fornece limites analíticos para o erro, mostrando que ele cresce exponencialmente com a profundidade da rede e linearmente com o raio da entrada.