論文の概要: On Accelerating Deep Neural Network Mutation Analysis by Neuron and Mutant Clustering

• arxiv url: http://arxiv.org/abs/2501.12598v1
• Date: Wed, 22 Jan 2025 02:48:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-23 16:54:02.439178
• Title: On Accelerating Deep Neural Network Mutation Analysis by Neuron and Mutant Clustering
• Title（参考訳）: ニューロンとミュータントクラスタリングによるディープニューラルネットワーク突然変異解析の高速化について
• Authors: Lauren Lyons, Ali Ghanbari,
• Abstract要約: ディープニューラルネットワーク(DNN)の突然変異解析は、テストデータ品質とモデルロバスト性を効果的に評価するための有望な方法である。 本稿では, 突然変異解析を高速化する手法とツールであるDEEPMAACCについて述べる。 以上の結果から, 突然変異試験速度と突然変異点誤差との間にはトレードオフがあることが示唆された。
• 参考スコア（独自算出の注目度）: 1.7188280334580197
• License:
• Abstract: Mutation analysis of deep neural networks (DNNs) is a promising method for effective evaluation of test data quality and model robustness, but it can be computationally expensive, especially for large models. To alleviate this, we present DEEPMAACC, a technique and a tool that speeds up DNN mutation analysis through neuron and mutant clustering. DEEPMAACC implements two methods: (1) neuron clustering to reduce the number of generated mutants and (2) mutant clustering to reduce the number of mutants to be tested by selecting representative mutants for testing. Both use hierarchical agglomerative clustering to group neurons and mutants with similar weights, with the goal of improving efficiency while maintaining mutation score. DEEPMAACC has been evaluated on 8 DNN models across 4 popular classification datasets and two DNN architectures. When compared to exhaustive, or vanilla, mutation analysis, the results provide empirical evidence that neuron clustering approach, on average, accelerates mutation analysis by 69.77%, with an average -26.84% error in mutation score. Meanwhile, mutant clustering approach, on average, accelerates mutation analysis by 35.31%, with an average 1.96% error in mutation score. Our results demonstrate that a trade-off can be made between mutation testing speed and mutation score error.
• Abstract（参考訳）: ディープニューラルネットワーク(DNN)の突然変異解析は、テストデータ品質とモデルロバスト性を効果的に評価するための有望な手法であるが、特に大規模モデルでは計算コストがかかる可能性がある。 そこで本研究では,DNN変異解析を高速化する手法とツールであるDEEPMAACCを提案する。 DEEPMAACCは、(1) 生成された突然変異体の数を減少させるニューロンクラスタリングと(2) テスト対象の変異体の数を減少させる変異体クラスタリングの2つの方法を実装している。 どちらも、変異スコアを維持しながら効率を向上させることを目的として、グループニューロンや類似の重みを持つ突然変異体に階層的凝集クラスタリングを使用する。 DEEPMAACCは4つの一般的な分類データセットと2つのDNNアーキテクチャの8つのDNNモデルで評価されている。 徹底的な、またはバニラの突然変異解析と比較すると、結果は、ニューロンクラスタリングアプローチが平均して69.77%の突然変異解析を加速し、突然変異スコアの平均-26.84%の誤差が生じるという経験的証拠を提供する。 一方、突然変異クラスタリング手法は平均35.31%の突然変異解析を加速し、突然変異スコアの平均1.96%の誤差がある。 以上の結果から, 突然変異試験速度と突然変異点誤差との間にはトレードオフがあることが示唆された。

関連論文リスト

• Wafer Map Defect Classification Using Autoencoder-Based Data Augmentation and Convolutional Neural Network [4.8748194765816955]
  本研究では、自己エンコーダに基づくデータ拡張技術と畳み込みニューラルネットワーク(CNN)を組み合わせた新しい手法を提案する。 提案手法は,ランダムフォレスト,SVM,ロジスティック回帰をそれぞれ19%,21%,27%以上,98.56%の分類精度を達成している。
  論文  参考訳（メタデータ） (2024-11-17T10:19:54Z)
• Effective Adaptive Mutation Rates for Program Synthesis [3.2228025627337864]
  進化的アルゴリズムの問題解決性能は突然変異率に依存する。 本稿では,変異率の特定の必要性を解消する適応的バンディットに基づく突然変異法を提案する。 ソフトウェア合成とシンボリック回帰問題の結果から,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2024-06-23T00:56:37Z)
• An Empirical Evaluation of Manually Created Equivalent Mutants [54.02049952279685]
  手動で作成した突然変異体の10%未満は等価である。 驚くべきことに、我々の発見は、開発者の大部分が同等のミュータントを正確に識別するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2024-04-14T13:04:10Z)
• Predicting loss-of-function impact of genetic mutations: a machine learning approach [0.0]
  本稿では,遺伝子変異の属性に基づいて機械学習モデルを学習し,LoFtoolスコアを予測することを目的とする。 これらの属性には、染色体上の突然変異の位置、アミノ酸の変化、変異によって引き起こされるコドンの変化が含まれていた。 モデルは, 平均2乗誤差, 平均2乗誤差, 平均2乗誤差, 平均絶対誤差, 説明分散の5倍のクロスバリデード平均を用いて評価した。
  論文  参考訳（メタデータ） (2024-01-26T19:27:38Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
  胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。 ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。 本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
  論文  参考訳（メタデータ） (2023-08-04T01:19:32Z)
• Variational Neural Networks [88.24021148516319]
  本稿では,変分ニューラルネットワーク(VNN)と呼ばれるニューラルネットワークにおける不確実性推定手法を提案する。 VNNは、学習可能なサブレイヤで入力を変換することで、レイヤの出力分布のパラメータを生成する。 不確実性評価実験において、VNNはモンテカルロ・ドロップアウトやベイズ・バイ・バックプロパゲーション法よりも優れた不確実性が得られることを示す。
  論文  参考訳（メタデータ） (2022-07-04T15:41:02Z)
• Equivariance Allows Handling Multiple Nuisance Variables When Analyzing Pooled Neuroimaging Datasets [53.34152466646884]
  本稿では,構造空間上でインスタンス化された同変表現学習における最近の結果と,因果推論における古典的結果の簡易な利用が,いかに効果的に実現されたかを示す。 いくつかの仮定の下で、我々のモデルが複数のニュアンス変数を扱えることを実証し、そうでなければサンプルの大部分を取り除く必要のあるシナリオにおいて、プールされた科学データセットの分析を可能にする。
  論文  参考訳（メタデータ） (2022-03-29T04:54:06Z)
• Deep neural networks with controlled variable selection for the identification of putative causal genetic variants [0.43012765978447565]
  本稿では,遺伝的研究のための可変選択を制御した,アンサンブルを用いた解釈可能なニューラルネットワークモデルを提案する。 本手法の利点は,(1)遺伝的変異の非線形効果を柔軟にモデル化し,統計力を向上させること,(2)誤発見率を厳格に制御するために入力層内の複数のノックオフ,(3)重みパラメータやアクティベーションの数を大幅に減らし,計算効率を向上させること,を含む。
  論文  参考訳（メタデータ） (2021-09-29T20:57:48Z)
• High performing ensemble of convolutional neural networks for insect pest image detection [124.23179560022761]
  害虫の寄生は作物の被害の主な原因であり、世界中の収入を失った。 我々は異なるトポロジに基づいてCNNのアンサンブルを生成する。 ディープネットワーク最適化のための2つの新しいAdamアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-28T00:49:11Z)
• DeepMutation: A Neural Mutation Tool [26.482720255691646]
  DeepMutationは、ディープラーニングモデルを完全に自動化されたツールチェーンにラップするツールです。 実際の断層から学んだ変異体を生成し、注入し、テストすることができる。
  論文  参考訳（メタデータ） (2020-02-12T01:57:41Z)

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。