AI与世界难题 · 地球与气候科学 · arXiv · 2026-10-23
基于自主水下航行器的浮游生物分类器的鲁棒性验证
原标题: Robustness Verification of an Autonomous Underwater Vehicle-based Plankton Classifier
自主水下航行器上的浮游生物分类器在存在环境噪声或非生物碎屑时，常常会对图像做出错误分类，因此海洋生物学家必须手动检查结果。作者提出了一种基于可达性分析的鲁棒性验证框架，并将其应用于使用SilCam颗粒成像仪图像的连续时间神经ODE分类器。据报告，针对环境扰动的形式化验证可作为一种自动过滤器，为模型在模糊数据上的稳定性提供形式化保证，从而减轻后期处理的工作量。