論文の概要: Exploring a Test Data-Driven Method for Selecting and Constraining Metamorphic Relations

• arxiv url: http://arxiv.org/abs/2307.15522v1
• Date: Fri, 28 Jul 2023 12:27:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 16:01:29.618498
• Title: Exploring a Test Data-Driven Method for Selecting and Constraining Metamorphic Relations
• Title（参考訳）: 変成関係の選択・制約のためのテストデータ駆動手法の探索
• Authors: Alejandra Duque-Torres, Dietmar Pfahl, Claus Klammer, Stefan Fischer
• Abstract要約: 本稿では,メタトリマーの予備評価について述べる。メタトリマーは,テストデータに基づくメタモルフィック関係の選択と制約を行う手法である。 MetaTrimmerの新規性は、MRの適用性に関してラベル付きデータセットを必要とする複雑な予測モデルを避けることである。 予備評価では、MetaTrimmerが既存の制限を克服し、MRの有効性を高める可能性を示している。
• 参考スコア（独自算出の注目度）: 46.889513596156185
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying and selecting high-quality Metamorphic Relations (MRs) is a challenge in Metamorphic Testing (MT). While some techniques for automatically selecting MRs have been proposed, they are either domain-specific or rely on strict assumptions about the applicability of a pre-defined MRs. This paper presents a preliminary evaluation of MetaTrimmer, a method for selecting and constraining MRs based on test data. MetaTrimmer comprises three steps: generating random test data inputs for the SUT (Step 1), performing test data transformations and logging MR violations (Step 2), and conducting manual inspections to derive constraints (Step 3). The novelty of MetaTrimmer is its avoidance of complex prediction models that require labeled datasets regarding the applicability of MRs. Moreover, MetaTrimmer facilitates the seamless integration of MT with advanced fuzzing for test data generation. In a preliminary evaluation, MetaTrimmer shows the potential to overcome existing limitations and enhance MR effectiveness.
• Abstract（参考訳）: 高品質なメタモルフィック関係(MR)の特定と選択は、メタモルフィックテスト(MT)における課題である。 MRを自動選択する手法はいくつか提案されているが,事前に定義されたMRの応用性に関する厳密な仮定に依拠している。本論文では,試験データに基づくMRの選択・制約手法であるMetaTrimmerの予備評価について述べる。 MetaTrimmerは、SUT(ステップ1)のためのランダムなテストデータ入力を生成し、テストデータ変換を実行し、MR違反をロギングする(ステップ2)、制約を導出するための手動検査を行う(ステップ3)。 metatrimmerの目新しさはmrsの適用性に関してラベル付きデータセットを必要とする複雑な予測モデルを避けることである。さらに、metatrimmerはmtのシームレスな統合と、テストデータ生成のための高度なファジングを容易にする。 予備評価では、MetaTrimmerが既存の制限を克服し、MRの有効性を高める可能性を示している。

関連論文リスト

• MR-MT3: Memory Retaining Multi-Track Music Transcription to Mitigate Instrument Leakage [15.856435702348977]
  本稿では,SOTA(State-of-the-art)トークンに基づくマルチインストラクト自動音楽書き起こし(AMT)モデルであるMT3モデルの改良について述べる。 本稿では, メモリ保持機構, 先行トークンサンプリング, トークンシャッフルなどの改良を加えたMR-MT3を提案する。 これらの手法はSlakh2100データセットで評価され、改善されたF1スコアと楽器リークの低減を示す。
  論文  参考訳（メタデータ） (2024-03-15T05:13:38Z)
• Weakly supervised covariance matrices alignment through Stiefel matrices estimation for MEG applications [64.20396555814513]
  本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。 我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。 MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
  論文  参考訳（メタデータ） (2024-01-24T19:04:49Z)
• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• Data Contamination Quiz: A Tool to Detect and Estimate Contamination in Large Language Models [25.022166664832596]
  本研究では,大規模言語モデル(LLM)におけるデータ汚染を簡易かつ効果的に検出し,その量を推定する手法を提案する。 我々は、複数の質問の連続としてデータ汚染検出をフレーム化し、特定のデータセット分割から各サブサンプルインスタンスの3つの摂動バージョンを作成するクイズ形式を考案する。 以上の結果から,DCQは現状の成果を達成し,既存の方法に比べて汚染・記憶レベルが高いことが示唆された。
  論文  参考訳（メタデータ） (2023-11-10T18:48:58Z)
• TRIAGE: Characterizing and auditing training data for improved regression [80.11415390605215]
  TRIAGEは回帰タスクに適した新しいデータキャラクタリゼーションフレームワークで、広範囲の回帰器と互換性がある。 TRIAGEは、共形予測分布を利用して、モデルに依存しないスコアリング方法、TRIAGEスコアを提供する。 TRIAGEの特徴は一貫性があり、複数の回帰設定においてデータの彫刻/フィルタリングによるパフォーマンス向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-10-29T10:31:59Z)
• Towards a Complete Metamorphic Testing Pipeline [56.75969180129005]
  システムアンダーテスト(SUT)の連続実行における入出力ペア間の関係を調べてテストオラクル問題に対処するメタモルフィックテスト(MT) これらの関係は、メタモルフィック関係 (MRs) と呼ばれ、特定の入力変化に起因する期待される出力変化を規定する。 本研究の目的は,MR の生成,制約の定義,MR 結果の説明可能性の提供を支援する手法とツールの開発である。
  論文  参考訳（メタデータ） (2023-09-30T10:49:22Z)
• MMD-FUSE: Learning and Combining Kernels for Two-Sample Testing Without Data Splitting [28.59390881834003]
  最大平均離散性(MMD)に基づく2サンプルテストのパワーを最大化する新しい統計法を提案する。 これらのカーネルは、データ分割を避けるために、よく校正されたテストで、データ依存だが置換に依存しない方法でどのように選択できるかを示す。 我々は,合成低次元および実世界の高次元データに対するMDD-FUSEテストの適用性を強調し,その性能を現状のカーネルテストと比較した。
  論文  参考訳（メタデータ） (2023-06-14T23:13:03Z)
• MV-JAR: Masked Voxel Jigsaw and Reconstruction for LiDAR-Based Self-Supervised Pre-Training [58.07391711548269]
  Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training
  論文  参考訳（メタデータ） (2023-03-23T17:59:02Z)
• Spectral Regularized Kernel Two-Sample Tests [7.915420897195129]
  MMD (maximum mean discrepancy) two-sample test to be optimal to the terms of the separation boundary in the Hellinger distance。 スペクトル正則化に基づくMDD試験の修正を提案し,MMD試験よりも分離境界が小さく,最小限の試験が最適であることを証明した。 その結果,テストしきい値がエレガントに選択されるテストの置換変種が,サンプルの置換によって決定されることがわかった。
  論文  参考訳（メタデータ） (2022-12-19T00:42:21Z)

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。