Fugu-MT 論文翻訳(概要): AIREPAIR: A Repair Platform for Neural Networks

論文の概要: AIREPAIR: A Repair Platform for Neural Networks

arxiv url: http://arxiv.org/abs/2211.15387v1
Date: Thu, 24 Nov 2022 10:02:38 GMT
ステータス: 処理完了
システム内更新日: 2022-11-29 14:26:34.127757
Title: AIREPAIR: A Repair Platform for Neural Networks
Title（参考訳）: airepair:ニューラルネットワークのための修理プラットフォーム
Authors: Xidan Song, Youcheng Sun, Mustafa A. Mustafa and Lucas Cordeiro
Abstract要約: 本稿では,ニューラルネットワークの修復プラットフォームであるAIREPAIRを紹介する。既存のネットワーク修復ツールの統合が特徴である。一般的なディープラーニングデータセットとモデルに対して,3つの最先端の修復ツールを用いてAIREPAIRを評価した。
参考スコア（独自算出の注目度）: 5.20358884414819
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present AIREPAIR, a platform for repairing neural networks. It features the integration of existing network repair tools. Based on AIREPAIR, one can run different repair methods on the same model, thus enabling the fair comparison of different repair techniques. We evaluate AIREPAIR with three state-of-the-art repair tools on popular deep-learning datasets and models. Our evaluation confirms the utility of AIREPAIR, by comparing and analyzing the results from different repair techniques. A demonstration is available at https://youtu.be/UkKw5neeWhw.
Abstract（参考訳）: 本稿では,ニューラルネットワークの修復プラットフォームであるAIREPAIRを紹介する。既存のネットワーク修復ツールの統合が特徴である。 AIREPAIRに基づいて、同じモデル上で異なる補修方法を実行できるため、異なる補修手法を公平に比較することができる。一般的なディープラーニングデータセットとモデルに対して,3つの最先端の修復ツールを用いてAIREPAIRを評価した。本評価では, 各種補修工法との比較と解析によりAIREPAIRの有用性を確認した。デモはhttps://youtu.be/ukkw5neewhwで公開されている。

関連論文リスト

Search-based Automated Program Repair of CPS Controllers Modeled in Simulink-Stateflow [8.759583928626702]
ステートフローモデルは、SimulinkのCyber-Physical Systems(CPS)の高レベル制御ロジックをモデル化するために広く使われている。 Simulinkモデルをテストするための多くのアプローチがあるが、障害が検出されると、それを修復するプロセスは手作業のままである。我々は、ステートフローモデルを修正するために明示的に設計されたFlowRepairを提案する。
論文参考訳（メタデータ） (2024-04-06T17:31:13Z)
Enhancing Redundancy-based Automated Program Repair by Fine-grained Pattern Mining [18.3896381051331]
本稿では,効果的なパッチ生成を導くための2段階のパターンマイニングプロセスを含むRepattという新しい修復手法を提案する。我々は広く使われているDefects4Jベンチマークの実験を行い、Repattを8つの最先端のAPRアプローチと比較した。
論文参考訳（メタデータ） (2023-12-26T08:42:32Z)
RepairLLaMA: Efficient Representations and Fine-Tuned Adapters for Program Repair [8.321263361036808]
そこで我々は,APRの最適なコード表現を微調整モデルで識別する新しいプログラム修復手法であるRe repairLLaMAを提案する。これにより、AIでバグを修正するのに非常に効果的なプログラム修復アダプタが提供される。全体として、Re repairLLaMAは144のDefects4J v2と109のHumanEval-Javaバグを正しく修正し、すべてのベースラインを上回っている。
論文参考訳（メタデータ） (2023-12-25T11:39:46Z)
Unsupervised Restoration of Weather-affected Images using Deep Gaussian Process-based CycleGAN [92.15895515035795]
本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
論文参考訳（メタデータ） (2022-04-23T01:30:47Z)
ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文参考訳（メタデータ） (2022-01-25T14:51:19Z)
ArchRepair: Block-Level Architecture-Oriented Repairing for Deep Neural Networks [13.661704974188872]
本稿では,ブロックレベルでのディープニューラルネットワーク(DNN)の新たな修復方向を提案する。本稿では,脆弱なブロックローカライゼーションのための逆アウェアスペクトル分析法を提案する。また,対象のブロックを連続的に修復する検索空間に緩和するアーキテクチャ指向の検索ベース修復を提案する。
論文参考訳（メタデータ） (2021-11-26T06:35:15Z)
Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文参考訳（メタデータ） (2021-11-17T21:48:31Z)
Federated Learning with Unreliable Clients: Performance Analysis and Mechanism Design [76.29738151117583]
Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
論文参考訳（メタデータ） (2021-05-10T08:02:27Z)
Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。 UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
論文参考訳（メタデータ） (2021-03-03T20:54:19Z)
MSNet: A Multilevel Instance Segmentation Network for Natural Disaster Damage Assessment in Aerial Videos [74.22132693931145]
本研究では, ハリケーン, 洪水, 火災などの自然災害後の建物被害を効率的に評価する課題について検討する。最初のコントリビューションは、ソーシャルメディアからユーザ生成された空中ビデオと、インスタンスレベルのビルディング損傷マスクのアノテーションで構成される、新しいデータセットである。第二のコントリビューションはMSNetと呼ばれる新しいモデルで、新しい領域の提案ネットワーク設計を含んでいる。
論文参考訳（メタデータ） (2020-06-30T02:23:05Z)

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。