本文提出了一种新的神经网络学习框架，通过优化算法的抽象精炼循环，动态构建输入空间，实现可证明的机器学习网络。应用于ACAS Xu和碰撞检测数据集，证明了安全性与精度的兼得，关键在于抽象精炼方法。

本文介绍了一种新神经网络学习框架，通过优化算法的抽象精炼循环，在动态构建的输入空间分区上操作，实现训练可证明正确的机器学习网络。应用于ACAS Xu和碰撞检测数据集，证明安全性不会显著降低精度。关键在于抽象精炼方法，为构建准确和正确的机器学习网络提供了有效路径。