PulseAugur
中
实时 11:02:55
English(EN) Testing Neural Networks via Bayesian-Guided Exploration of Decision Landscapes

新的BayesWarp框架增强了安全关键领域神经网络的测试

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了BayesWarp，一个旨在提高安全关键应用中神经网络可靠性的新测试框架。该方法使用可解释的显著性技术来识别关键输入区域，并采用具有不确定性意识的贝叶斯优化来指导测试过程。在MNIST、CIFAR-10和ImageNet等标准数据集上的评估表明，BayesWarp在发现模型故障方面比现有方法更有效，同时保持了与原始数据的分布和语义相似性，并且使用这些故障案例进行微调可以提高模型性能。 AI

影响 通过增强故障发现和模型鲁棒性，提高了神经网络在关键应用中的可靠性和安全性。

排序理由 该集群包含一篇详细介绍神经网络新测试框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Bin Duan, Meiru Che, Guowei Yang ·

    Testing Neural Networks via Bayesian-Guided Exploration of Decision Landscapes

    arXiv:2606.04314v1 Announce Type: new Abstract: As neural networks are increasingly deployed in safety-critical domains, testing is essential to evaluate and improve their reliability. Existing testing methods, whether black-box or white-box, primarily use global mutation or cove…

相关实体

相关话题