論文の概要: Test Primitive:A Straightforward Method To Decouple March
- arxiv url: http://arxiv.org/abs/2309.03214v1
- Date: Wed, 30 Aug 2023 03:18:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 08:55:05.645769
- Title: Test Primitive:A Straightforward Method To Decouple March
- Title（参考訳）: テストプリミティブ:マーチを分離する簡単な方法
- Authors: Yindong Xiao, Shanshan Lu, Ensheng Wang, Ruiqi Zhu, Zhijian Dai
- Abstract要約: 本稿では,3月アルゴリズムを解析するための新しいテストプリミティブを提案する。
テストプリミティブは、対応する障害を検出するためにマーチアルゴリズムが保持しなければならない共通の特徴を記述している。
- 参考スコア（独自算出の注目度）: 0.3535583356641669
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The academic community has made outstanding achievements in researching the
March algorithm. However, the current fault modeling method, which centers on
fault primitives, cannot be directly applied to analyzing the March algorithm.
This paper proposes a new test primitive. The test primitives, which decouple
the cell states from sensitization and detection operations, describe the
common features that must be possessed for the March algorithm to detect
corresponding faults, forming a highly flexible and scalable March algorithm
analysis unit. The theoretical analysis proves that the test primitives
demonstrate completeness, uniqueness, and conciseness. On this foundation, the
utilization of test primitives within the March analysis procedure is
elucidated.
- Abstract（参考訳）: 学術界はマーチアルゴリズムの研究で顕著な業績を挙げている。
しかし、現在のフォールトモデリング手法はフォールトプリミティブを中心とし、マーチアルゴリズムの解析に直接適用することはできない。
本稿では新しいテストプリミティブを提案する。
細胞状態をセンシタイズと検出操作から切り離すテストプリミティブは、マーチアルゴリズムが対応する障害を検出するために保持しなければならない共通の特徴を記述し、高度に柔軟でスケーラブルなマーチアルゴリズム分析ユニットを形成する。
理論解析は、テスト原始性が完全性、一意性、簡潔性を示すことを証明している。
本基礎では,3月分析手順における試験プリミティブの利用について検討する。
関連論文リスト
- Bisimulation Learning [55.859538562698496]
我々は、大きな、潜在的に無限の状態空間を持つ状態遷移系の有限バイシミュレートを計算する。
提案手法は,実際に行われている他の最先端ツールよりも高速な検証結果が得られる。
論文 参考訳（メタデータ） (2024-05-24T17:11:27Z) - Dynamic Test Case Prioritization in Industrial Test Result Datasets [5.401427060370659]
本稿では,静的および動的優先度付けアルゴリズムを併用したテストケース優先順位付け方式を提案する。
我々は,3つの産業データセット上でのソリューションの評価を行い,故障検出の平均パーセンテージを利用する。
論文 参考訳（メタデータ） (2024-02-05T11:46:14Z) - Precise Error Rates for Computationally Efficient Testing [75.63895690909241]
本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。
線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
論文 参考訳（メタデータ） (2023-11-01T04:41:16Z) - Testing for the Markov Property in Time Series via Deep Conditional
Generative Learning [6.7826352751791985]
本研究では,高次元時系列におけるマルコフ特性の非パラメトリックテストを提案する。
テストは型Iを誤って制御し、出力が近づいていることを示します。
非パラメトリック推定を用いるが、パラメトリック収束率を達成する2つの頑健なテスト統計を導出する。
論文 参考訳（メタデータ） (2023-05-30T17:32:00Z) - New bootstrap tests for categorical time series. A comparative study [4.869045108760265]
分類過程間の相似性尺度に依存する3つの試験を提案する。
差分分布と両プロセスのシリアル依存パターンの相違を評価できる3つの特定の距離を考慮し,実験を行った。
生物学的配列を含む応用は、提案手法の有用性を強調している。
論文 参考訳（メタデータ） (2023-04-30T12:35:28Z) - MaxMatch: Semi-Supervised Learning with Worst-Case Consistency [149.03760479533855]
半教師付き学習(SSL)のための最悪ケース整合正則化手法を提案する。
本稿では,ラベル付きトレーニングデータとラベル付きトレーニングデータとを別々に比較した経験的損失項からなるSSLの一般化について述べる。
この境界によって動機づけられたSSLの目的は、元のラベルのないサンプルと、その複数の拡張版との最大の矛盾を最小限に抑えるものである。
論文 参考訳（メタデータ） (2022-09-26T12:04:49Z) - Cross-validation Confidence Intervals for Test Error [83.67415139421448]
この研究は、クロスバリデーションのための中心極限定理と、学習アルゴリズムの弱い安定性条件下での分散の一貫した推定器を開発する。
結果は、一般的な1対1のクロスバリデーションの選択にとって、初めてのものだ。
論文 参考訳（メタデータ） (2020-07-24T17:40:06Z) - Probabilistic Diagnostic Tests for Degradation Problems in Supervised
Learning [0.0]
分類アルゴリズムにおけるクラス不均衡、重なり合い、小さな分散、ノイズラベル、スパース限界精度などの問題。
各問題の兆候と症状の同定に基づく確率診断モデルを示す。
いくつかの教師付きアルゴリズムの動作と性能は、トレーニングセットにそのような問題がある場合に研究される。
論文 参考訳（メタデータ） (2020-04-06T20:32:35Z) - Frustratingly Simple Few-Shot Object Detection [98.42824677627581]
希少なクラスにおける既存検出器の最後の層のみを微調整することは、数発の物体検出タスクに不可欠である。
このような単純なアプローチは、現在のベンチマークで約220ポイントのメタ学習方法より優れている。
論文 参考訳（メタデータ） (2020-03-16T00:29:14Z) - Active Model Estimation in Markov Decision Processes [108.46146218973189]
マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。
マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
論文 参考訳（メタデータ） (2020-03-06T16:17:24Z) - Learning to Detect Entanglement [1.4763055441508717]
絡み合った状態や分離可能な状態の分類は基本的な作業だが、コストがかかる作業である。
本稿では,絡みを検知するために必要な資源量を改善する手法であるフォレストアルゴリズムを提案する。
論文 参考訳（メタデータ） (2017-09-11T22:47:24Z)
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。