科研之友
微信
新浪微博
Facebook
分享链接
摘要
<正>深度神经网络（DNN）在过去十年中取得了巨大的发展。虽然许多DNN的软件应用程序已被部署用来解决各种任务，但它们也可能产生不正确的行为并导致巨大的损失。为揭示DNN驱动应用中的错误行为并提高应用质量，开发人员需要丰富的标签数据来测试和优化DNN模型。然而，在实践中，识别并描述给定输入后预期输出的未标记数据的Oracle信息通常是一项昂贵且耗时的任务。南京大学i SE团队博士研究生高新宇提出了一种自适应的深度神经网络测试用例选择方法 ATS，以软件测试领域中自适应随机测试的思想为启发，解决深度神经网络测试数据标记活动中的人力资源成本高这一难题。
- 单位
