シミュレーション統合バイオインスパイアードサーチベース試験を用いたADAS事例研究における機械学習試験【JST・京大機械翻訳】

Moghadam Mahshid Helali; Borg Markus; Saadatmand Mehrdad; Mousavirad Seyed Jalaleddin; Bohlin Markus; Lisper Bjorn

プレプリント

J-GLOBAL ID：202202208511943960 整理番号：22P0308676

シミュレーション統合バイオインスパイアードサーチベース試験を用いたADAS事例研究における機械学習試験【JST・京大機械翻訳】

Machine Learning Testing in an ADAS Case Study Using Simulation-Integrated Bio-Inspired Search-Based Testing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2023年06月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文は,深いニューラルネットワークベースの車線保持システムをテストするために,故障修正試験シナリオを生成する探索ベースのシミュレーション統合試験解法であるDeederの拡張版を提示した。新しく提案したバージョンにおいて,著者らは,試験シナリオのモデリングに用いる提示モデルのために調整した品質母集団シードおよびドメイン特異的交差および突然変異操作を活用する,バイオインスパイアード探索アルゴリズム,遺伝的アルゴリズム(GA),(μ+λ)および(μ,λ)進化戦略(ES)および粒子群最適化(PSO)の新しいセットを利用した。深層内の新しい試験発電機の能力を実証するために,著者らは,SBST2021で競争するサイバー-物理システムにおける5つの参加ツールの結果に関して,経験的評価と比較を実施した。著者らの評価は,Deederにおける新しく提案した試験発電機が,以前のバージョンでかなりの改善を示すだけでなく,ML駆動車線保持システムをテストするための,かなりの数の多様な故障回復試験シナリオを呼び出すのに有効で効率的であることを証明した。それらは,限られた試験時間予算,高い目標故障厳しさ,および厳密な速度制限制約の下で,試験シナリオ多様性を促進しながら,いくつかの故障を誘発することができる。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

電力系統一般

, , , , ,

前のページに戻る