論文の概要: Instance Space Analysis of Search-Based Software Testing
- arxiv url: http://arxiv.org/abs/2312.02392v1
- Date: Mon, 4 Dec 2023 23:12:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-06 17:12:17.798660
- Title: Instance Space Analysis of Search-Based Software Testing
- Title（参考訳）: 検索ベースソフトウェアテストのインスタンス空間解析
- Authors: Neelofar Neelofar, Kate Smith-Miles, Mario Andres Munoz, Aldeida Aleti
- Abstract要約: 検索ベースのソフトウェアテスト(SBST)が成熟した分野になった。
本稿では,SBST手法の客観的性能評価の問題を再考する。
- 参考スコア（独自算出の注目度）: 6.292153194561472
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Search-based software testing (SBST) is now a mature area, with numerous
techniques developed to tackle the challenging task of software testing. SBST
techniques have shown promising results and have been successfully applied in
the industry to automatically generate test cases for large and complex
software systems. Their effectiveness, however, is problem-dependent. In this
paper, we revisit the problem of objective performance evaluation of SBST
techniques considering recent methodological advances -- in the form of
Instance Space Analysis (ISA) -- enabling the strengths and weaknesses of SBST
techniques to be visualized and assessed across the broadest possible space of
problem instances (software classes) from common benchmark datasets. We
identify features of SBST problems that explain why a particular instance is
hard for an SBST technique, reveal areas of hard and easy problems in the
instance space of existing benchmark datasets, and identify the strengths and
weaknesses of state-of-the-art SBST techniques. In addition, we examine the
diversity and quality of common benchmark datasets used in experimental
evaluations.
- Abstract（参考訳）: 検索ベースのソフトウェアテスト(SBST)は現在成熟した領域であり、ソフトウェアテストの課題に取り組むために多くの技術が開発されている。
SBST技術は有望な結果を示し、大規模で複雑なソフトウェアシステムのテストケースを自動的に生成するために業界で成功している。
しかし、その効果は問題に依存します。
本稿では,最近の手法の進歩を考慮したSBST手法の客観的性能評価の問題を再考し,SBST手法の強みと弱みを,一般的なベンチマークデータセットから可能な限り広い範囲の問題点(ソフトウェアクラス)を可視化し,評価することを可能にした。
SBST問題の特徴は、SBSTテクニックがなぜ難しいのかを説明し、既存のベンチマークデータセットのインスタンス空間における困難で簡単な問題の領域を明らかにし、最先端のSBSTテクニックの長所と短所を特定することである。
さらに,実験評価に用いる共通ベンチマークデータセットの多様性と品質について検討した。
関連論文リスト
- AI-Compass: A Comprehensive and Effective Multi-module Testing Tool for AI Systems [26.605694684145313]
本研究では,AIシステムを包括的かつ効果的に評価するテストツール,ツールを設計,実装する。
このツールは、敵の堅牢性、モデル解釈可能性、およびニューロン分析を広範囲に評価する。
私たちの研究は、ランドスケープをテストするAIシステムの一般的なソリューションに光を当てています。
論文 参考訳（メタデータ） (2024-11-09T11:15:17Z) - Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T00:25:33Z) - Fuzzy Inference System for Test Case Prioritization in Software Testing [0.0]
テストケース優先順位付け(TCP)は、テスト効率を高めるための重要な戦略である。
本稿では,新しいファジィ論理に基づくTCP自動化手法を提案する。
論文 参考訳（メタデータ） (2024-04-25T08:08:54Z) - Active Test-Time Adaptation: Theoretical Analyses and An Algorithm [51.84691955495693]
テスト時間適応(TTA)は、教師なし設定でストリーミングテストデータの分散シフトに対処する。
完全TTA設定内に能動学習を統合する能動テスト時間適応(ATTA)の新たな問題設定を提案する。
論文 参考訳（メタデータ） (2024-04-07T22:31:34Z) - Test-Time Domain Generalization for Face Anti-Spoofing [60.94384914275116]
Face Anti-Spoofing (FAS) は、顔認識システムをプレゼンテーション攻撃から保護するために重要である。
本稿では,テストデータを活用してモデルの一般化性を高める新しいテスト時間領域一般化フレームワークについて紹介する。
テスト時間スタイル投影 (TTSP) とディバーススタイルシフトシミュレーション (DSSS) によって構成された本手法は, 目に見えないデータを領域空間に効果的に投影する。
論文 参考訳（メタデータ） (2024-03-28T11:50:23Z) - Robust Analysis of Multi-Task Learning Efficiency: New Benchmarks on Light-Weighed Backbones and Effective Measurement of Multi-Task Learning Challenges by Feature Disentanglement [69.51496713076253]
本稿では,既存のMTL手法の効率性に焦点をあてる。
バックボーンを小さくしたメソッドの大規模な実験と,MetaGraspNetデータセットを新しいテストグラウンドとして実施する。
また,MTLにおける課題の新規かつ効率的な識別子として,特徴分散尺度を提案する。
論文 参考訳（メタデータ） (2024-02-05T22:15:55Z) - Intelligent Condition Monitoring of Industrial Plants: An Overview of
Methodologies and Uncertainty Management Strategies [2.600463444320238]
本稿では, 産業プラントの知的状態モニタリングと故障検出, 診断方法の概要について述べる。
最もポピュラーで最先端のディープラーニング(DL)と機械学習(ML)アルゴリズムは、産業プラントの状態監視、故障検出、診断のためのアルゴリズムである。
テネシー・イーストマン・プロセス(TEP)を利用したアルゴリズムの精度と仕様の比較を行った。
論文 参考訳（メタデータ） (2024-01-03T21:35:03Z) - LLbezpeky: Leveraging Large Language Models for Vulnerability Detection [10.330063887545398]
大規模言語モデル(LLM)は、人やプログラミング言語におけるセムナティクスを理解する大きな可能性を示している。
私たちは、脆弱性の特定と修正を支援するAI駆動ワークフローの構築に重点を置いています。
論文 参考訳（メタデータ） (2024-01-02T16:14:30Z) - A Survey of the Metrics, Uses, and Subjects of Diversity-Based
Techniques in Software Testing [3.591122855617648]
多様性ベースのテスト(DBT)技術は、ソフトウェアアーチファクト間の相似性を活用するために類似度メトリクスを使用する。
本稿では,70種類の類似度指標と24種類のソフトウェアアーティファクトを併用した手法の体系的な調査を行う。
論文 参考訳（メタデータ） (2023-11-16T09:47:10Z) - A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
本稿では,DAF(Disdisrepancy Aware Framework)を提案する。
本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。
単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
論文 参考訳（メタデータ） (2023-10-11T15:21:40Z) - Data Mining with Big Data in Intrusion Detection Systems: A Systematic
Literature Review [68.15472610671748]
クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。
データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。
ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
論文 参考訳（メタデータ） (2020-05-23T20:57:12Z)
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。