[发明专利]一种基于MSVL的神经网络系统的建模和验证方法

权利要求书

1.一种基于MSVL的神经网络系统的建模和验证方法，其特征在于，所述基于MSVL的神经网络系统的建模和验证方法包括以下步骤：

步骤一，用MSVL对需要进行验证的神经网络系统进行建模，用多维数组表示系统中所涉节点和边的信息；在建模中，用函数表示神经网路系统中的基本操作；

步骤二，确定需要验证的神经网络系统的正确性和健壮性特征，并采用PPTL公式描述神经网络系统的正确性和健壮性特征；

步骤三，将建模的MSVL程序和描述共有性质的PPTL公式统一在UMC4MSVL平台中验证，根据验证结果判断性质是否能够得到满足。

2.如权利要求1中所述的基于MSVL的神经网络系统的建模和验证方法，其特征在于，用MSVL对神经网络系统进行建模，其中用多维数组来描述系统中节点和边的信息，而神经网络的基本操作则用函数进行表示。

3.如权利要求1所述的基于MSVL的神经网络系统的建模和验证方法，其特征在于，PPTL公式根据具体要验证的神经网络系统的共有性质确定，首先根据要验证的性质定义命题，然后根据命题的逻辑关系，构建合理且严密的PPTL公式。

4.如权利要求1所述的基于MSVL的神经网络系统的建模和验证方法，其特征在于，所述基于MSVL的神经网络系统的建模方法，具体包括：

(1)用多维数组定义神经网络系统结构；

(2)定义数据样本读取函数；

(3)定义结构参数读取函数；

(4)定义前向传播模拟函数；

(5)定义攻击过程模拟函数。

5.如权利要求1中所述的基于MSVL的神经网络系统的建模和验证方法，其特征在于，所述神经网络系统的共有性质中关于正确性的PPTL公式验证：

define p：bpnn_sim_percent>0.9；

define q：check_model＝1；

公式fin(p and q)满足，则证明基于MSVL构建的神经网络系统模型满足正确性要求。

6.如权利要求1中所述的基于MSVL的神经网络系统的建模和验证方法，其特征在于，所述神经网络系统的共有性质中关于健壮性的PPTL公式验证：

define p：bpnn_sim_single<＝1000；

define q：bpnn_sim_single_Ek_>aveEk；

define r：bpnn_sim_single_Ek_out>aveEk；

公式alw(p and q and r)满足，则证明基于MSVL构建的神经网络系统模型满足健壮性要求。

7.一种应用权利要求1～6任意一项上述基于MSVL的神经网络系统的建模和验证方法的神经网络系统。