BriefGPT - AI 论文速递
·
基于GAN增强的缺乏真实数据情况下的深度神经网络测试驱动仿真
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本研究提出了一种整合生成网络的方法，解决了深度神经网络测试中仿真器无法生成真实数据的问题。通过启发式搜索生成计算机视觉DNN的输入，结果表明该方法提高了输入的多样性和DNN的性能。
🎯
关键要点
- 本研究提出了一种整合生成网络的方法。
- 该方法解决了深度神经网络测试中仿真器无法生成真实数据的问题。
- 通过启发式搜索生成计算机视觉DNN的输入。
- 研究结果表明，该方法提高了输入的多样性和DNN的性能。
- 利用转换一致性生成的输入在DNN测试和再训练中效果最佳。
➡️
