PulseAugur
中
实时 07:41:46
Italiano(IT) Test Case Prioritization for DNNs via Neural Collapse Instability

新框架NCIP提升深度神经网络测试效率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为神经崩溃启发优先级排序（NCIP）的新框架，以提高深度神经网络（DNN）测试的效率。NCIP通过利用多个训练检查点的预测变异性，解决了传统方法依赖单一检查点置信度的局限性。这种方法可以识别不稳定的、易于失败的测试用例，尤其是在安全关键型应用中。实验表明，NCIP在早期故障发现方面显著优于现有方法，在RAUC-ALL和RAUC-500指标上取得了实质性进展。 AI

影响 提高了深度神经网络测试的效率和有效性，这对于安全关键型应用至关重要。

排序理由 详细介绍一种新的深度神经网络测试方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架NCIP提升深度神经网络测试效率

报道来源 [1]

  1. arXiv cs.AI TIER_1 Italiano(IT) · Chunyu Liu, Mingyuan Li, Yang Li, Wenmin Li, Fei Gao, Tengfei Tu, Su-Juan Qin ·

    通过神经崩溃不稳定性对深度神经网络进行测试用例优先级排序

    arXiv:2607.20046v1 Announce Type: cross Abstract: With the widespread deployment of deep neural networks (DNNs) in safety-critical domains, reducing the cost of model validation under limited testing budgets has become increasingly important. Existing test case prioritization tec…

相关实体

相关话题