論文の概要: Detecting Stimuli with Novel Temporal Patterns to Accelerate Functional Coverage Closure

• arxiv url: http://arxiv.org/abs/2407.02510v1
• Date: Wed, 19 Jun 2024 15:00:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-07 13:14:55.100294
• Title: Detecting Stimuli with Novel Temporal Patterns to Accelerate Functional Coverage Closure
• Title（参考訳）: 機能的被覆閉鎖を加速する新しい時間パターンによる刺激の検出
• Authors: Xuan Zheng, Tim Blackmore, James Buckingham, Kerstin Eder,
• Abstract要約: 本稿では、新しい時間パターンで刺激を識別する2つの新しいテストセレクタを提案する。 両テストセレクタは、ランダムなテスト選択と比較して、商用バスブリッジの機能カバレッジを加速することができる。
• 参考スコア（独自算出の注目度）: 0.7499722271664147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Novel test selectors have demonstrated their effectiveness in accelerating the closure of functional coverage for various industrial digital designs in simulation-based verification. The primary advantages of these test selectors include performance that is not impacted by coverage holes, straightforward implementation, and relatively low computational expense. However, the detection of stimuli with novel temporal patterns remains largely unexplored. This paper introduces two novel test selectors designed to identify such stimuli. The experiments reveal that both test selectors can accelerate the functional coverage for a commercial bus bridge, compared to random test selection. Specifically, one selector achieves a 26.9\% reduction in the number of simulated tests required to reach 98.5\% coverage, outperforming the savings achieved by two previously published test selectors by factors of 13 and 2.68, respectively.
• Abstract（参考訳）: 新しいテストセレクタは、シミュレーションベースの検証において、様々な産業用デジタルデザインの機能的カバレッジの閉鎖を加速する効果を実証している。 これらのテストセレクタの主な利点は、カバレッジホールの影響を受けない性能、簡単な実装、比較的低い計算コストである。 しかし、新しい時間パターンによる刺激の検出は、いまだに未解明のままである。 本稿では,このような刺激を識別するための2つの新しいテストセレクタを提案する。 実験の結果,両テストセレクタはランダムなテスト選択と比較して,商用バスブリッジの機能カバレッジを向上できることがわかった。 具体的には、1つのセレクタは、98.5.%のカバレッジに達するのに必要な模擬テストの数を26.9.%削減し、それぞれ13と2.68の係数で2つのテストセレクタが達成した貯蓄を上回っている。

関連論文リスト

• Chronic pain detection from resting-state raw EEG signals using improved feature selection [1.5899411215927988]
  慢性痛検出のための安静時生脳波データに基づく自動アプローチを提案する。 mSFFS (Sequential Floating Forward Selection) を改良した特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-27T04:28:52Z)
• Using Neural Networks for Novelty-based Test Selection to Accelerate Functional Coverage Closure [0.0]
  本稿では,ニューラルネットワークに基づく新しいテスト選択のための,高度に自動化されたフレームワークを提案する。 このフレームワークの3つの構成は、商用信号処理ユニットでテストされる。 3つともランダムなテスト選択に勝り、シミュレーションの最大の節約率は49.37%であり、99.5%にまで達した。
  論文  参考訳（メタデータ） (2022-07-01T14:11:08Z)
• Hybrid Intelligent Testing in Simulation-Based Verification [0.0]
  数百万のテストは、カバレッジの目標を達成するために必要かもしれない。 カバレッジ指向のテスト選択は、カバレッジフィードバックからバイアステストまで、最も効果的なテストへと学習する。 ノベルティ駆動検証は、以前の刺激とは異なる刺激を識別し、シミュレートすることを学ぶ。
  論文  参考訳（メタデータ） (2022-05-19T13:22:08Z)
• TTAPS: Test-Time Adaption by Aligning Prototypes using Self-Supervision [70.05605071885914]
  本研究では,単体テストサンプルに適用可能な自己教師付きトレーニングアルゴリズムSwaVの新たな改良を提案する。 ベンチマークデータセットCIFAR10-Cにおいて,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-05-18T05:43:06Z)
• Supervised Learning for Coverage-Directed Test Selection in Simulation-Based Verification [0.0]
  本稿では,自動制約抽出とテスト選択のための新しい手法を提案する。 カバレッジ指向のテスト選択は、カバレッジフィードバックからの教師付き学習に基づいている。 本稿では,手作業による制約記述の低減,効果的なテストの優先順位付け,検証資源の消費の低減,大規模で実生活のハードウェア設計におけるカバレッジ閉鎖の促進について述べる。
  論文  参考訳（メタデータ） (2022-05-17T17:49:30Z)
• Efficient Test-Time Model Adaptation without Forgetting [60.36499845014649]
  テストタイム適応は、トレーニングとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 信頼性および非冗長なサンプルを同定するためのアクティブなサンプル選択基準を提案する。 また、重要なモデルパラメータを劇的な変化から制約するFisher regularizerを導入します。
  論文  参考訳（メタデータ） (2022-04-06T06:39:40Z)
• Adversarially Robust One-class Novelty Detection [83.1570537254877]
  既存のノベルティ検出器は敵の例に感受性があることが示される。 本稿では, 新規性検知器の潜伏空間を制御し, 敵に対する堅牢性を向上する防衛戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-25T10:41:29Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Quickest Intruder Detection for Multiple User Active Authentication [74.5256211285431]
  我々は,Multiple-user Quickest Intruder Detection (MQID)アルゴリズムを定式化する。 より少ない観測サンプルで侵入者検出を行うデータ効率のシナリオにアルゴリズムを拡張した。 顔のモダリティに基づく2つのAAデータセットに対する提案手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-06-21T21:59:01Z)

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。