从理论角度讲解神经网络验证方法，涵盖主流模型与验证技术。

Verification of Neural Networks (Lecture Notes)

• 基于理论框架分析前馈、循环、注意力及Transformer网络的可验证性
• 介绍多种规范语言与算法化验证手段，支持形式化推理
• 适合对神经网络可靠性与形式化验证感兴趣的研究者入门

这些讲义从理论视角介绍了神经网络验证的基础内容。讨论了前馈神经网络、递归神经网络、注意力机制和Transformer模型，同时涵盖规范语言与算法验证技术。旨在为理解神经网络行为的严格形式化分析提供基础框架，适用于理论与应用交叉领域的学习与研究。

原文摘要 · Abstract (English)

These lecture notes provide an introduction to the verification of neural networks from a theoretical perspective. We discuss feed-forward neural networks, recurrent neural networks, attention mechanisms, and transformers, together with specification languages and algorithmic verification techniques.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。