VeRe：基于验证的深度神经网络故障定位与修复合成方法

《ACM Transactions on Software Engineering and Methodology》：VeRe: Verification Guided Fault Localization and Repair Synthesis of Deep Neural Networks

　　

摘要 AI摘要

要查看此由AI生成的摘要，您必须具有高级访问权限。

了解更多 登录

摘要

摘要

神经网络修复旨在通过修改模型的架构或参数来修复神经网络中的“故障”。然而，由于神经网络的数据驱动特性，解释内部神经元与错误行为之间的关系非常困难，这使得进一步修复变得具有挑战性。虽然有一些研究通过梯度分析或因果分析来识别负责的神经元，但它们的有效性在很大程度上取决于可用“故障”数据的质量以及多种启发式方法。因此，在数据稀缺的情况下，实现精确的定位和有针对性的修复仍然是一个重大挑战。在这项工作中，我们利用形式验证的力量来解决这个问题。具体来说，我们提出了VeRe，这是一个基于验证的修复框架，它利用线性松弛来精确且高效地估计神经元的修复重要性。基于线性界限，VeRe合成了理想的区间，为正确的行为提供了可靠保证，从而有助于对神经元参数进行手术性和有针对性的调整以纠正错误行为。我们在各种修复任务上评估了VeRe，结果表明VeRe一致地实现了更高的修复成功率，并且对原始性能的影响可以忽略不计。值得注意的是，与现有基准方法相比，VeRe对修复数据的依赖性显著降低，即使在数据受限的情况下也能有效消除错误行为。

AI摘要

AI生成的摘要（实验性）

此摘要是使用自动化工具生成的，并非由文章作者撰写或审阅。它旨在帮助发现、帮助读者评估相关性和协助来自相关研究领域的读者理解该工作。它旨在补充作者提供的摘要，后者仍然是论文的官方摘要。全文仍然是记录的权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和有用性进行评论。这样做将有助于改进和未来的生成版本。

要查看此由AI生成的通俗语言摘要，您必须具有高级访问权限。