文献

J-GLOBAL ID：201802224757700445   整理番号：18A1481047

機械学習コードにおけるバグの明示:突然変異試験による探索的研究【JST・京大機械翻訳】

Manifesting Bugs in Machine Learning Code: An Explorative Study with Mutation Testing

著者 (4件)： Cheng Dawei ,  Cao Chun ,  Xu Chang ,  Ma Xiaoxing
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： QRS  ページ： 313-324  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 今日,統計的機械学習はデータマイニング,画像認識および自動駆動のような様々な領域で広く採用されている。しかし,機械学習のためのソフトウェア品質保証はまだその幼児期にある。最近の努力は訓練データと訓練されたモデルの品質を向上させてきたが,本論文は機械学習アルゴリズムの実装におけるコードレベルのバグに焦点を合わせた。本研究では,いくつかの分類アルゴリズムのWeka実装により,プログラムバグをシミュレートした。論理的に非等価な実行可能な突然変異体の8%~40%が,それらのゴールドバージョンと統計的に区別できないことを観察した。さらに,突然変異体の他の15%~36%は,少なくとも1つの自然データセットにおいて,参照分類器よりも有意に悪くなかったので,研究された。著者らは,これらの突然変異体を殺すためのいくつかのアプローチについても実験した。予備結果は,機械学習コードにおけるバグがロバスト性や学習曲線のような統計的性質に負の影響を持つ可能性があるが,効果的オラクルの欠如のために検出するのは非常に困難である可能性があることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 品質 ,  ロバスト性 ,  画像認識 ,  学習アルゴリズム ,  データマイニング ,  *機械学習 ,  *突然変異 ,  学習曲線 ,  *ソフトウェア障害
準シソーラス用語： オラクル ,  統計的性質 ,  分類アルゴリズム ,  訓練データ ,  幼児期 ,  ソフトウェア品質 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 機械学習 ,  バグ ,  突然変異 ,  試験 ,  探索 ,  研究