公开(公告)号：CN112346956A

公开(公告)日：2021-02-09

申请号：CN201910724153.3

申请日：2019-08-07

Applicant: 南京慕测信息科技有限公司

Inventor： 陈振宇 ,  沈维军 ,  万俊 ,  房春荣

IPC: G06F11/36 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明涉及一种针对深度学习程序进行神经元变异的测试方法，其特征是通过对已经训练好的深度学习神经网络中的神经元进行变异，主要包括：改变连接权重、增减单个神经元、修改某个神经元的偏移量、修改某个神经元的激活函数、屏蔽输入的某个维度等方式，用变异后的深度学习程序变异体来评估测试用例集的有效性，变异体杀死率也可以作为测试充分性的度量，用来指导生成更有效的测试用例。

公开(公告)号：CN112348194A

公开(公告)日：2021-02-09

申请号：CN201910723870.4

申请日：2019-08-07

Applicant: 南京慕测信息科技有限公司

Inventor： 陈振宇 ,  鲍泓 ,  蔡彦 ,  王栋 ,  夏志龙 ,  万俊

IPC: G06N20/00

Abstract: 本发明提出了一种基于精度误差的模型稳定性评估的方法，包括原始模型在测试集数据上的精度稳定性评估，模型的精度边界评估和模型参数的精度稳定性评估。统计测试集的样本在模型运行中产生的累积误差，通过统计学指标来评估其稳定性。通过抽象算法，构造约束求解条件，获得模型近似的精度边界来评估其在极端的精度误差下的稳定性。为评估模型的在不同硬件环境下由于计算限制而造成的稳定性问题，对模型参数进行稀疏量化，通过衡量不同量化版本模型的准确率差异来评估其稳定性。本发明为机器学习在浮点精度的领域提供了新型的评估方案，有利于提高模型的稳定性。