論文の概要: Automated identification of metamorphic test scenarios for an ocean-modeling application

• arxiv url: http://arxiv.org/abs/2009.01554v1
• Date: Thu, 3 Sep 2020 10:03:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-22 08:10:13.630618
• Title: Automated identification of metamorphic test scenarios for an ocean-modeling application
• Title（参考訳）: 海洋モデル応用のための変成試験シナリオの自動同定
• Authors: Dilip J. Hiremath, Martin Claus, Wilhelm Hasselbring, Willi Rath
• Abstract要約: 機械学習を用いたメタモルフィックテストシナリオの自動生成に向けた研究が進行中である。 我々の応用分野は海洋モデリングであり、テストオラクルは存在しないことが多いが、シミュレーションされた物理システムの対称性が知られている。
• 参考スコア（独自算出の注目度）: 0.802904964931021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metamorphic testing seeks to validate software in the absence of test oracles. Our application domain is ocean modeling, where test oracles often do not exist, but where symmetries of the simulated physical systems are known. In this short paper we present work in progress for automated generation of metamorphic test scenarios using machine learning. Metamorphic testing may be expressed as f(g(X))=h(f(X)) with f being the application under test, with input data X, and with the metamorphic relation (g, h). Automatically generated metamorphic relations can be used for constructing regression tests, and for comparing different versions of the same software application. Here, we restrict to h being the identity map. Then, the task of constructing tests means finding different g which we tackle using machine learning algorithms. These algorithms typically minimize a cost function. As one possible g is already known to be the identity map, for finding a second possible g, we construct the cost function to minimize for g being a metamorphic relation and to penalize for g being the identity map. After identifying the first metamorphic relation, the procedure is repeated with a cost function rewarding g that are orthogonal to previously found metamorphic relations. For experimental evaluation, two implementations of an ocean-modeling application will be subjected to the proposed method with the objective of presenting the use of metamorphic relations to test the implementations of the applications.
• Abstract（参考訳）: メタモルフィックテストは、テストオラクルがない場合にソフトウェアを検証する。 我々の応用分野は海洋モデリングであり、テストオラクルは存在しないことが多いが、シミュレーションされた物理システムの対称性が知られている。 本稿では,機械学習を用いた変成テストシナリオの自動生成に向けた取り組みについて述べる。 メタモルフィックテストは f(g(X))=h(f(X)) として表され、f はテスト中のアプリケーション、入力データ X はメタモルフィック関係 (g, h) で表される。 自動生成されたメタモルフィック関係は回帰テストの構築や、同じソフトウェアアプリケーションの異なるバージョンの比較に利用することができる。 ここでは、h を恒等写像に制限する。 そして、テストを構築するタスクは、機械学習アルゴリズムを使って取り組む異なるgを見つけることを意味します。 これらのアルゴリズムは一般的にコスト関数を最小化する。 1つの可能な g が恒等写像であることが既に知られているので、第二の可能な g を見つけるために、g を変成関係とし、g を恒等写像とするコスト関数を構築する。 最初の準同型関係を同定した後、手続きは以前発見された準同型関係に直交するコスト関数報酬gで繰り返される。 実験的な評価のために, 海洋モデルアプリケーションの2つの実装を, メタモルフィック関係を用いてアプリケーションの実装をテストする手法として提案する。

関連論文リスト

• Amortized Inference for Causal Structure Learning [72.84105256353801]
  因果構造を学習することは、通常、スコアまたは独立テストを使用して構造を評価することを伴う探索問題を引き起こす。 本研究では,観測・干渉データから因果構造を予測するため,変分推論モデルを訓練する。 我々のモデルは、実質的な分布シフトの下で頑健な一般化能力を示す。
  論文  参考訳（メタデータ） (2022-05-25T17:37:08Z)
• Systematicity, Compositionality and Transitivity of Deep NLP Models: a Metamorphic Testing Perspective [1.6799377888527685]
  本稿では, 体系性, 構成性, 推移性に対処する変成関係の3つの新しいクラスを提案する。 それらを用いて、最先端のNLPモデルの内部整合性を検証し、期待される言語特性に応じて常に振る舞うわけではないことを示す。 最後に,メタモルフィック関係の内部構造を効率的に要約する新しいグラフィカル表記法を提案する。
  論文  参考訳（メタデータ） (2022-04-26T13:50:07Z)
• Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
  顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。 具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。 提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-28T02:12:30Z)
• Using Metamorphic Relations to Verify and Enhance Artcode Classification [39.36253474867746]
  オラクル問題に直面している領域の例として、機械学習を用いて、入力イメージを事前定義されたクラスのセットの1つに分類する自動画像分類がある。 オラクルの問題を軽減するソフトウェアテストへのアプローチは、メタモルフィックテスト(MT)である。 本稿では、Artcodesと呼ばれる視覚的に隠されたマーカーを含む画像の分類問題について検討し、訓練された分類器の検証と拡張にMTを適用した。
  論文  参考訳（メタデータ） (2021-08-05T15:54:56Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• Robustness Evaluation of Stacked Generative Adversarial Networks using Metamorphic Testing [0.39146761527401414]
  StackGAN-v2は、入力されたテキスト記述に指定された詳細を反映した高解像度の画像を生成できることが証明されている。 我々は,さまざまな予期せぬトレーニングデータセットを用いたモデルのロバスト性を評価するために,メタモルフィックテスト手法を採用する。 StackGAN-v2アルゴリズムは、たとえメインオブジェクトと最小値の重なり合いであっても、難解なオブジェクトでイメージを入力できる。
  論文  参考訳（メタデータ） (2021-03-04T07:29:17Z)
• Model identification and local linear convergence of coordinate descent [74.87531444344381]
  循環座標降下は、幅広い種類の関数に対して有限時間でモデル同定を達成することを示す。 また、座標降下に対する局所収束速度を明示的に証明する。
  論文  参考訳（メタデータ） (2020-10-22T16:03:19Z)
• Goal-directed Generation of Discrete Structures with Conditional Generative Models [85.51463588099556]
  本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。 提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
  論文  参考訳（メタデータ） (2020-10-05T20:03:13Z)
• Query Training: Learning a Worse Model to Infer Better Marginals in Undirected Graphical Models with Hidden Variables [11.985433487639403]
  確率的グラフィカルモデル(PGM)は、柔軟な方法でクエリできる知識のコンパクトな表現を提供する。 我々は,PGMを学習するメカニズムであるクエリトレーニング(QT)を導入し,それと組み合わせる近似推論アルゴリズムに最適化する。 実験により,QTを用いて隠れ変数を持つ8連結グリッドマルコフランダム場を学習できることが実証された。
  論文  参考訳（メタデータ） (2020-06-11T20:34:32Z)
• The data-driven physical-based equations discovery using evolutionary approach [77.34726150561087]
  与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。 このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。 解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
  論文  参考訳（メタデータ） (2020-04-03T17:21:57Z)
• Object-based Metamorphic Testing through Image Structuring [0.6445605125467573]
  ソフトウェアのテストは、多くの場合、大量生産のテストケースを必要とし、それのためのテストオラクルを提供するためコストがかかる。 オラクル問題を緩和するために提案された1つの方法は変成テストである。
  論文  参考訳（メタデータ） (2020-02-12T10:32:18Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。