基于DNN模型输出差异的测试输入优先级方法

深度神经网络测试需要大量的测试数据来保证DNN的质量,但大多数测试输入缺乏标注信息,而且对测试输入进行标注会带来高昂的人工代价。为了解决标注成本的问题,研究人员提出了测试输入优先级方法,筛选高优先级的测试输入进行标注。然而,大多数优先级方法都受到有限情景的影响,例如难以筛选出高置信度的误分类输入。为了应对上述挑战,文中将差分测试技术应用于测试输入优先级,并提出了基于DNN模型输出差异的测试输入优先级方法(DeepDiff)。DeepDiff首先构建一个与原始模型具有相同功能的差分模型,然后计算测试输入在原始模型与差分模型之间的输出差异,最后为输出差异较大的测试输入分配更高的优先级。在实验验证中,我们对4个广泛使用的数据集和相应的8个DNN模型进行了研究。实验结果表明,在原始测试集上,DeepDiff的有效性比基线方法平均高出13.06%,在混合测试集上高出39.69%。

深度神经网络的测试输入选择与度量标准研究综述

随着深度神经网络在各个领域受到广泛应用,对其进行测试评估并确保其安全性显得尤为重要。测试输入选择方法可以帮助在测试数据集规模较大且标注成本较高的情况下,对测试样本进行选择与排序,以提高测试效率和测试覆盖率。为了深入了解深度神经网络测试输入选择领域的研究进展,对近5年来91篇相关领域的学术论文进行了系统梳理。介绍了深度神经网络测试的基本概念和流程,包括深度学习系统的构建、测试输入的选择和测试结果的评估;概括分析了各种度量标准和测试输入选择方法的适用场景与不足之处,以及彼此之间的相互联系。最后,指出了当前深度神经网络测试输入选择与评估工作面临的挑战和机遇。

汕头大学有线广播的几项新功能

本文主要论述汕大有线广播创新并使用的几项新功能的电气原理．其中有自动节目转换系统，防火播音系统，广播钟信号控制系统，远距离信号传输和自动控制．这些新功能使有线广播更加严密，更加完善，使用效率大大提高，形成一个有机信号网络和广播网．在汕头大学使用中已经取得良好效果，可在新建高校中推广并可作老高校广播站改造的参考．

英语教学与语言理论的关系探究

本文从教学的角度,阐述语言学习理论的意义,总结了英语教学与语言学习理论的关系,得出了语言学习理论的共性,从而概括本探究的结论为:语言学习理论告诉我们在英语教学中要贯彻实践性和交际性的原则以及输入优先的原则,还要处理好知识与技能之间的关系以及教师与学生之间的关系。

交互式多媒体动态同步Petri网模型——扩展的IMDSPN

将优先权输入事件Petri网引入到IMDSPN模型中,建立了D-IMDSPN模型。D-IMDSPN模型可以解决在分布式多媒体环境中,出现在用户交互作用下的媒体来源于各种资源或是要到达多个目的地时的异步,以更高效的方式保证了多媒体同步。