Fugu-MT 論文翻訳(概要): Formal Analysis of Reachability, Infection and Propagation Conditions in Mutation Testing

論文の概要: Formal Analysis of Reachability, Infection and Propagation Conditions in Mutation Testing

arxiv url: http://arxiv.org/abs/2410.21904v1
Date: Tue, 29 Oct 2024 09:49:20 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-30 13:41:50.878915
Title: Formal Analysis of Reachability, Infection and Propagation Conditions in Mutation Testing
Title（参考訳）: 変異検査におけるリーチ性・感染・伝播条件の形式的解析
Authors: Seyed-Hassan Mirian-Hosseinabadi,
Abstract要約: ジケストラの最も弱いプレコンディション変圧器(wp(_,_))は感染および伝播条件を計算するために用いられる。 4つのプログラムとその変異体を動作例として検討し,本手法の適用可能性を示すケーススタディとして検討した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Finding test cases to kill the alive mutants in Mutation testing needs to calculate the Reachability, Infection and Propagation(RIP) conditions and full test specification. In this paper, a formal approach to calculate RIP conditions is proposed. The Dijkestra's weakest precondition predicate transformer (wp(_,_)) is used to calculate infection and propagation conditions. The rc(_) function is defined to calculate the reachability conditions generated by each statement. Four programs and their mutants are examined as running examples and as case studies to show the applicability of the method.
Abstract（参考訳）: 変異テストで生きたミュータントを殺すテストケースを見つけるには、Reachability, infection and Propagation(RIP)条件と完全なテスト仕様を計算する必要がある。本稿では, RIP条件を計算するための公式なアプローチを提案する。ジケストラの最も弱いプレコンディション述語変換器(wp(_,_))は、感染および伝播条件を計算するために用いられる。 rc(_) 関数は、各文によって生成される到達可能性条件を計算するために定義される。 4つのプログラムとその変異体を動作例として検討し,本手法の適用可能性を示すケーススタディとして検討した。

関連論文リスト

Conditional Testing based on Localized Conformal p-values [5.6779147365057305]
我々は、予測区間を反転させて局所化された共形p値を定義し、それらの理論的性質を証明した。これらの定義されたp-値は、その実用性を説明するためにいくつかの条件付きテスト問題に適用される。
論文参考訳（メタデータ） (2024-09-25T11:30:14Z)
Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
論文参考訳（メタデータ） (2024-04-04T11:32:03Z)
Conformalized Unconditional Quantile Regression [27.528258690139793]
コンフォメーション予測と非条件量子回帰を組み合わせた予測推論手法を開発した。提案手法は不整合性に適応し,テストインスタンスに関連する透過的なカバレッジ保証を提供し,既存の手法と効率的に競合することを示す。
論文参考訳（メタデータ） (2023-04-04T00:20:26Z)
Minimax Instrumental Variable Regression and $L_2$ Convergence Guarantees without Identification or Closedness [71.42652863687117]
インストゥルメンタル変数(IV)回帰の非パラメトリック推定について検討した。固定IV解に収束できる新しいペナル化ミニマックス推定器を提案する。ラックス条件下での推定値に対して強い$L$誤差率を導出する。
論文参考訳（メタデータ） (2023-02-10T18:08:49Z)
Variants of SGD for Lipschitz Continuous Loss Functions in Low-Precision Environments [6.418044102466421]
損失関数の勾配の近似のみを計算し、SGDステップ自体の誤差を計算できると仮定する。 SGDの異なる変種を経験的にテストし、2つの画像認識タスクに対してSGDと比較してテストセットの精度が改善された。
論文参考訳（メタデータ） (2022-11-09T03:04:34Z)
Probabilistic Conformal Prediction Using Conditional Random Samples [73.26753677005331]
PCPは、不連続な予測セットによって対象変数を推定する予測推論アルゴリズムである。効率的で、明示的または暗黙的な条件生成モデルと互換性がある。
論文参考訳（メタデータ） (2022-06-14T03:58:03Z)
Sequential Permutation Testing of Random Forest Variable Importance Measures [68.8204255655161]
そこで本研究では、逐次置換テストと逐次p値推定を用いて、従来の置換テストに関連する高い計算コストを削減することを提案する。シミュレーション研究の結果、シーケンシャルテストの理論的性質が当てはまることを確認した。本手法の数値安定性を2つの応用研究で検討した。
論文参考訳（メタデータ） (2022-06-02T20:16:50Z)
Invariant Ancestry Search [6.583725235299022]
最小不変性の概念を導入し、不変祖先探索(IAS)を提案する。集団版では、IASは応答の祖先のみを含む集合を出力し、ICPの出力である。スケーラブルなアルゴリズムを開発し、シミュレーションおよび実データの実験を行う。
論文参考訳（メタデータ） (2022-02-02T08:28:00Z)
Variance Minimization in the Wasserstein Space for Invariant Causal Prediction [72.13445677280792]
そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
論文参考訳（メタデータ） (2021-10-13T22:30:47Z)
Calibration of Neural Networks using Splines [51.42640515410253]
キャリブレーション誤差の測定は、2つの経験的分布を比較します。古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
論文参考訳（メタデータ） (2020-06-23T07:18:05Z)
Detection of Coincidentally Correct Test Cases through Random Forests [1.2891210250935143]
そこで本研究では,アンサンブル学習と教師付き学習アルゴリズム,すなわちランダムフォレスト(RF)を組み合わせたハイブリッド手法を提案する。また、偶然の正しいテストケースを、テスト状態の反転やトリミング(すなわち、計算から排除)のコスト効率良く解析する。
論文参考訳（メタデータ） (2020-06-14T15:01:53Z)

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。