[發(fā)明專利]一種基于頻譜的深度神經(jīng)網(wǎng)絡(luò)缺陷定位方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011180145.6
• 申請(qǐng)日: 2020-10-29
• 公開（公告）號(hào): CN112199295B
• 公開（公告）日: 2023-05-05
• 發(fā)明（設(shè)計(jì)）人: 李錚;崔展齊;劉建賓;鄭麗偉;劉秀磊
• 申請(qǐng)（專利權(quán)）人: 北京信息科技大學(xué)
• 主分類號(hào): G06F11/36
• 分類號(hào): G06F11/36;G06N3/0464;G06N3/06
• 代理公司: 北京睿智保誠(chéng)專利代理事務(wù)所(普通合伙) 11732
• 代理人: 周新楣

1.一種基于頻譜的深度神經(jīng)網(wǎng)絡(luò)缺陷定位方法，其特征在于，具體包括以下步驟：

獲取正確測(cè)試用例和錯(cuò)誤測(cè)試用例：使用測(cè)試用例集T＝{t₁,t₂,t₃,...}運(yùn)行待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型D，區(qū)分出正確測(cè)試用例和錯(cuò)誤測(cè)試用例，并獲取所述測(cè)試用例集T＝{t₁,t₂,t₃,...}對(duì)應(yīng)的運(yùn)行信息集R＝{r₁,r₂,r₃,...}；

獲取待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型的頻譜信息：使用所述測(cè)試用例集T＝{t₁,t₂,t₃,...}運(yùn)行所述待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型D，獲取每個(gè)神經(jīng)元的輸出結(jié)果；根據(jù)所述運(yùn)行信息集R＝{r₁,r₂,r₃,...}與所述輸出結(jié)果得到所述待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型D中所有神經(jīng)元的頻譜信息M＝{m₁,m₂,m₃,...}；

計(jì)算神經(jīng)元的懷疑度，并按照懷疑度對(duì)神經(jīng)元進(jìn)行排序：根據(jù)懷疑度公式與所述頻譜信息M＝{m₁,m₂,m₃,...}計(jì)算出所有神經(jīng)元的懷疑度，并對(duì)神經(jīng)元按照懷疑度從大到小進(jìn)行排序，排序越靠前的神經(jīng)元存在缺陷的幾率越大；

所述獲取正確測(cè)試用例和錯(cuò)誤測(cè)試用例包括以下具體步驟：

s11輸入所述待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型D和所述測(cè)試用例集T＝{t₁,t₂,t₃,...}；

s12選擇所述測(cè)試用例集T＝{t₁,t₂,t₃,...}中的一條測(cè)試用例t_i運(yùn)行所述待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型D，獲取所述測(cè)試用例t_i的運(yùn)行結(jié)果O_i；

s13根據(jù)所述運(yùn)行結(jié)果O_i使用蛻變關(guān)系判斷所述測(cè)試用例t_i為正確測(cè)試用例還是錯(cuò)誤測(cè)試用例，并記錄所述測(cè)試用例t_i的運(yùn)行信息r_i，如果所述測(cè)試用例t_i為正確測(cè)試用例，則記所述運(yùn)行信息r_i＝1；如果所述測(cè)試用例t_i為錯(cuò)誤測(cè)試用例,則記所述運(yùn)行信息r_i＝0；

s14重復(fù)執(zhí)行s12、s13直到所述測(cè)試用例集T＝{t₁,t₂,t₃,...}中所有測(cè)試用例運(yùn)行完成，得到所述測(cè)試用例集T＝{t₁,t₂,t₃,...}的所述運(yùn)行信息集R＝{r₁,r₂,r₃,...}；

s15遍歷所述測(cè)試用例集T＝{t₁,t₂,t₃,...}的所述運(yùn)行信息集R＝{r₁,r₂,r₃,...}，統(tǒng)計(jì)總的正確測(cè)試用例個(gè)數(shù)n_p和總的錯(cuò)誤測(cè)試用例個(gè)數(shù)n_f；

s16輸出所述測(cè)試用例集T＝{t₁,t₂,t₃,...}的所述運(yùn)行信息R＝{r₁,r₂,r₃,...}；

所述獲取待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型的頻譜信息包括以下具體步驟：

s21輸入所述待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型D、所述測(cè)試用例集T＝{t₁,t₂,t₃,...}和所述測(cè)試用例集T＝{t₁,t₂,t₃,...}的所述運(yùn)行信息R＝{r₁,r₂,r₃,...}，其中N＝{n₁,n₂,n₃,...}為所述待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型D中的所有神經(jīng)元集合；

s22選擇所述測(cè)試用例集T＝{t₁,t₂,t₃,...}中的一條測(cè)試用例t_i運(yùn)行待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型D，獲取所述測(cè)試用例t_i運(yùn)行時(shí)各個(gè)神經(jīng)元n_j∈N的輸出f_nj(t_i)，并存儲(chǔ)在文件中；

s23重復(fù)執(zhí)行s22，直到所述測(cè)試用例集T＝{t₁,t₂,t₃,...}中所有測(cè)試用例運(yùn)行完成；

s24選擇一個(gè)神經(jīng)元n_j，遍歷其對(duì)應(yīng)所述測(cè)試用例集T＝{t₁,t₂,t₃,...}的輸出f_nj(T)，如果所述運(yùn)行信息集R＝{r₁,r₂,r₃,...}中對(duì)應(yīng)的r_i＝1，則將所述神經(jīng)元n_j的輸出作為用例貢獻(xiàn)值累加至所述神經(jīng)元n_j的成功貢獻(xiàn)；如果所述運(yùn)行信息R＝{r₁,r₂,r₃,...}中對(duì)應(yīng)的r_i＝0，則將所述神經(jīng)元n_j的輸出作為用例貢獻(xiàn)值累加至所述神經(jīng)元n_j的失敗貢獻(xiàn)，并將最終結(jié)果記錄為所述神經(jīng)元n_j的頻譜信息m_j＝{n_ef(n_j),n_ep(n_j)}，其中n_ef(n_j)為所述神經(jīng)元n_j的失敗貢獻(xiàn)，n_ep(n_j)為所述神經(jīng)元n_j的成功貢獻(xiàn)；

s25重復(fù)執(zhí)行s24，直到分析完所述神經(jīng)元集合N＝{n₁,n₂,n₃,...}中的所有神經(jīng)元；

s26輸出所述待測(cè)深度神經(jīng)網(wǎng)絡(luò)模型D中所有神經(jīng)元的所述頻譜信息M＝{m₁,m₂,m₃,...}。