Fugu-MT 論文翻訳(概要): An Efficient Model Inference Algorithm for Learning-based Testing of Reactive Systems

論文の概要: An Efficient Model Inference Algorithm for Learning-based Testing of Reactive Systems

arxiv url: http://arxiv.org/abs/2008.06268v1
Date: Fri, 14 Aug 2020 09:48:58 GMT
ステータス: 処理完了
システム内更新日: 2022-10-30 17:37:37.445867
Title: An Efficient Model Inference Algorithm for Learning-based Testing of Reactive Systems
Title（参考訳）: リアクティブシステムの学習ベーステストのための効率的なモデル推論アルゴリズム
Authors: Muddassar A. Sindhu
Abstract要約: 学習ベースのテスト(LBT)は、ソフトウェアシステムの反復的なブラックボックス要求テストを自動化する新しい方法論である。決定論的クリプキ構造のためのアクティブインクリメンタル学習アルゴリズムであるIKL学習アルゴリズムについて述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Learning-based testing (LBT) is an emerging methodology to automate iterative black-box requirements testing of software systems. The methodology involves combining model inference with model checking techniques. However, a variety of optimisations on model inference are necessary in order to achieve scalable testing for large systems. In this paper we describe the IKL learning algorithm which is an active incremental learning algorithm for deterministic Kripke structures. We formally prove the correctness of IKL. We discuss the optimisations it incorporates to achieve scalability of testing. We also evaluate a black box heuristic for test termination based on convergence of IKL learning.
Abstract（参考訳）: 学習ベースのテスト(lbt)は、ソフトウェアシステムの反復的なブラックボックス要求テストを自動化する新しい手法である。この手法はモデル推論とモデル検査技術を組み合わせることを含む。しかしながら,大規模システムでスケーラブルなテストを実現するためには,モデル推論に関するさまざまな最適化が必要である。本稿では,決定論的クリプキ構造のための逐次学習アルゴリズムであるIKL学習アルゴリズムについて述べる。 IKLの正しさを正式に証明する。テストのスケーラビリティを実現するための最適化について論じる。また, ikl学習の収束に基づくテスト終了のためのブラックボックスヒューリスティックの評価を行った。

関連論文リスト

Introducing Ensemble Machine Learning Algorithms for Automatic Test Case Generation using Learning Based Testing [0.0]
Ensemble法は、複数のモデルを組み合わせて予測能力を向上し、一般化エラーを低減する強力な機械学習アルゴリズムである。本研究では,学習ベーステスト(LBT)アルゴリズムにおけるモデル推論のためのアンサンブル手法とベース分類器の組み合わせを体系的に検討し,SUTの故障検出テストケースを概念実証として生成することを目的とする。
論文参考訳（メタデータ） (2024-09-06T23:24:59Z)
NEVIS'22: A Stream of 100 Tasks Sampled from 30 Years of Computer Vision Research [96.53307645791179]
我々は,100以上の視覚的分類タスクのストリームからなるベンチマークであるNever-Ending VIsual-classification Stream (NEVIS'22)を紹介する。分類に制限されているにもかかわらず、OCR、テクスチャ分析、シーン認識など、様々なタスクが生成される。 NEVIS'22は、タスクの規模と多様性のために、現在のシーケンシャルな学習アプローチに対して前例のない課題を提起している。
論文参考訳（メタデータ） (2022-11-15T18:57:46Z)
Towards Diverse Evaluation of Class Incremental Learning: A Representation Learning Perspective [67.45111837188685]
クラスインクリメンタル学習(CIL)アルゴリズムは、インクリメンタルに到着したデータから新しいオブジェクトクラスを継続的に学習することを目的としている。表現学習における様々な評価プロトコルを用いて,CILアルゴリズムによって訓練されたニューラルネットワークモデルを実験的に解析する。
論文参考訳（メタデータ） (2022-06-16T11:44:11Z)
Learning Curves for Decision Making in Supervised Machine Learning -- A Survey [9.994200032442413]
学習曲線は、機械学習の文脈で採用されている社会科学の概念である。本稿では,学習曲線のアプローチを3つの基準を用いて分類する枠組みを提案する。
論文参考訳（メタデータ） (2022-01-28T14:34:32Z)
Active Learning of Markov Decision Processes using Baum-Welch algorithm (Extended) [0.0]
本稿では,マルコフ決定過程とマルコフ連鎖を学習するためのBaum-Welchアルゴリズムを再検討し,適応する。本研究では,本手法を最先端のツールと実証的に比較し,提案手法が正確なモデルを得るために必要な観測回数を大幅に削減できることを実証する。
論文参考訳（メタデータ） (2021-10-06T18:54:19Z)
Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文参考訳（メタデータ） (2021-06-17T17:26:31Z)
ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文参考訳（メタデータ） (2021-04-11T12:14:04Z)
Finding the Homology of Decision Boundaries with Active Learning [26.31885403636642]
本稿では,意思決定境界のホモロジーを回復するための能動的学習アルゴリズムを提案する。我々のアルゴリズムは、ラベルを必要とするサンプルを逐次かつ適応的に選択する。いくつかのデータセットの実験では、ホモロジーを回復する際のサンプルの複雑さの改善が示されている。
論文参考訳（メタデータ） (2020-11-19T04:22:06Z)
Model-Agnostic Explanations using Minimal Forcing Subsets [11.420687735660097]
そこで本研究では,モデル決定に欠かせない最小限のトレーニングサンプルを同定する,モデルに依存しない新しいアルゴリズムを提案する。本アルゴリズムは,制約付き最適化問題を解くことにより,このような「欠かせない」サンプルの集合を反復的に同定する。結果から,本アルゴリズムは局所モデルの振る舞いをよりよく理解する上で,効率的かつ容易に記述できるツールであることがわかった。
論文参考訳（メタデータ） (2020-11-01T22:45:16Z)
Control as Hybrid Inference [62.997667081978825]
本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
論文参考訳（メタデータ） (2020-07-11T19:44:09Z)
Stepwise Model Selection for Sequence Prediction via Deep Kernel Learning [100.83444258562263]
本稿では,モデル選択の課題を解決するために,新しいベイズ最適化(BO)アルゴリズムを提案する。結果として得られる複数のブラックボックス関数の最適化問題を協調的かつ効率的に解くために,ブラックボックス関数間の潜在的な相関を利用する。我々は、シーケンス予測のための段階的モデル選択(SMS)の問題を初めて定式化し、この目的のために効率的な共同学習アルゴリズムを設計し、実証する。
論文参考訳（メタデータ） (2020-01-12T09:42:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。