公开(公告)号：CN111783930A

公开(公告)日：2020-10-16

申请号：CN201910268447.X

申请日：2019-04-03

Applicant: 南京大学

Inventor： 陈振宇 ,  王栋 ,  王子元 ,  陈炎杉 ,  钱航

IPC: G06N3/02

Abstract: 本发明提供了一种基于路径状态的神经网络测试充分性评估方法，包括下列步骤：1)模型抽象，获取模型隐藏层结构信息；2)获取数据集在模型运行中的隐藏层神经元信息，整合测试数据路径覆盖情况；3)选择覆盖指标，计算数据集路径覆盖率；4)选定阈值，评估神经网络的测试集上的充分性。本发明提供了一套系统的基于路径状态的数据集测试充分性评估方法，根据神经网络的结构特征，将传统测试方法在深度学习领域迁移，为神经网络模型的测试提供了新的评估指标，有助于开发人员和测试者进行模型的优化和数据集的筛选以及其质量的提升，同时促进了深度学习测试领域的发展。

公开(公告)号：CN111783930B

公开(公告)日：2024-03-12

申请号：CN201910268447.X

申请日：2019-04-03

Applicant: 南京大学

Inventor： 陈振宇 ,  王栋 ,  王子元 ,  陈炎杉 ,  钱航

IPC: G06N3/02

Abstract: 本发明提供了一种基于路径状态的神经网络测试充分性评估方法，包括下列步骤：1)模型抽象，获取模型隐藏层结构信息；2)获取数据集在模型运行中的隐藏层神经元信息，整合测试数据路径覆盖情况；3)选择覆盖指标，计算数据集路径覆盖率；4)选定阈值，评估神经网络的测试集上的充分性。本发明提供了一套系统的基于路径状态的数据集测试充分性评估方法，根据神经网络的结构特征，将传统测试方法在深度学习领域迁移，为神经网络模型的测试提供了新的评估指标，有助于开发人员和测试者进行模型的优化和数据集的筛选以及其质量的提升，同时促进了深度学习测试领域的发展。