文献

J-GLOBAL ID：202002233853584590   整理番号：20A2580902

効果的なモデル生成による深層学習ライブラリ試験【JST・京大機械翻訳】

Deep learning library testing via effective model generation

著者 (5件)： Wang Zan (Tianjin University, China) ,  Yan Ming (Tianjin University, China) ,  Chen Junjie (Tianjin University, China) ,  Liu Shuang (Tianjin University, China) ,  Zhang Dongdi (Tianjin University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ESEC/FSE 2020  ページ： 788-799  発行年： 2020年 
JST資料番号： D0698C  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： 深層学習(DL)技術は急速に開発され,実際に広く採用されている。しかし,従来のソフトウェアシステムと同様に,DLシステムもバグを含み,特に安全クリティカルドメインにおいて重大な影響を引き起こす。最近,DLモデルの試験には多くの研究アプローチが焦点を浴びているが,DLライブラリの試験には注意が払われておらず,DLモデルの構築の基礎であり,DLシステムの挙動に直接影響する。本研究では,DLライブラリーをテストするために,LEMONの新しいアプローチを提案した。特に,著者らは,(1)DLモデルのための一連の突然変異規則を設計し,図書館コードとハードツートリガ行動の異なるインボキングシーケンスを探索する。(2)DLライブラリにおける不確かな要因によって導入される潜在的ノイズの影響を緩和するために,バグによって引き起こすいろいろなDLライブラリの間の不整合度を増幅する方向に向けて,モデル生成プロセスを誘導するための発見的戦略を提案した。著者らは,4つの広く使用されたDLライブラリー,すなわち,TensorFlow,Nano,CNTK,MXNetの20のリリースバージョンを有するLEMONの有効性を評価するために,経験的研究を行った。結果は,LEMONがこれらのライブラリーの最新の放出バージョンで24の新しいバグを検出し,7つのバグが確認され,1つのバグが開発者によって固定されていることを示した。さらに,結果は,モデル生成のための発見的戦略が,バグの不整合度を増幅する際に,LEMONを効果的に誘導することを確認した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  突然変異 ,  ソフトウェア ,  不整合 ,  *ソフトウェア障害 ,  有効性
準シソーラス用語： ソフトウェアシステム ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習試験 ,  図書館試験 ,  モデル生成 ,  突然変異 ,  探索ベースのソフトウェア試験

分類 (3件)： 人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J) ,  応用プログラミング言語  (JD03052Y)

タイトルに関連する用語 (4件)： モデル生成 ,  深層学習 ,  ライブラリ ,  試験