Prioritizing Test Inputs for DNNs Using Training Dynamics

Deep Neural Network (DNN) testing is one of the most widely-used techniques to guarantee the quality of DNNs. However, DNN testing typically requires the ground truth of test inputs, which is time-consuming and labor-intensive to obtain. To relieve the labeling-cost problem of DNN testing, we propos...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE/ACM International Conference on Automated Software Engineering : [proceedings] s. 1219 - 1231
Hlavní autoři:	Shen, Jian, Li, Zhong, Pan, Minxue, Li, Xuandong
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	ACM 27.10.2024
Témata:	Artificial neural networks Computer architecture Debugging Deep learning testing Deep neural network Feature extraction Software Software engineering Software testing Test input prioritization Training Training dynamics Trajectory
ISSN:	2643-1572
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!