本文探讨了mutation analysis在神经网络测试中的应用，旨在提高测试覆盖率并理解网络运作。研究针对输入数据、权重、偏差、激活函数和网络结构进行突变，通过MNIST数据集实验揭示了突变对神经网络性能的影响，特别是深度和区域特性的关系。建议未来工作应关注领域特定的变异算子和深度依赖的突变策略。
时间：20180912
数据集：MNIST
首先，该文章针对的是神经网络的测试问题，其目的，我认为
一是得到覆盖率高的测试集，即（test adequacy）
二是，由于mutation analysis 的特性，能够帮助我们理解神经网络。
We believe that mutation analysis can not only be used to measure test adequacy, but also be used to understand neural network operation.
这是文章摘要的最后两句
其次，由题可知，其文章对象是mutation analysis和neural networks双方，至于两者的分别是如何的，我不做赘述，这里我仅分享mutation analysis的博客，点这里。其隶属于白盒测试中的一种，由于我本身对软件测试这块仍然一知半解，不在这里误人子弟，仅阐述对文章的理解。
第三，文章作者书写这篇文章的缘由是由于，我的观点是，神经网络在对待数据时，一部分数据留作train，另外一部分数据留作test&#x
最低0.47元/天 解锁文章
扫一扫
756
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
