关于深度神经网络模型无回归修复的经验报告
软件工程
2025-03-11 v1 人工智能
摘要
基于深度神经网络（DNN）的系统在工业界的应用日益广泛。在系统运行过程中，需要更新 DNN 以提高其性能。在更新 DNN 时，用于对可靠性要求极高的企业系统必须尽可能减少回归现象。由于 DNN 的更新具有数据驱动的特性，很难如开发者所期望的那样抑制回归。本文确定了工业界 DNN 更新的需求，并提出了一个使用技术满足这些需求的案例研究。在该案例研究中，我们致力于满足以下需求：在不针对特定类别发生回归的情况下，更新基于富士通收集的汽车图像训练的、假设用于安全应用的模型。我们能够通过基于 DNN 修复技术 NeuRecover 定制目标函数来抑制回归。此外，我们讨论了案例研究中发现的一些挑战。
引用
@article{arxiv.2503.07079,
title = {An Experience Report on Regression-Free Repair of Deep Neural Network Model},
author = {Takao Nakagawa and Susumu Tokumoto and Shogo Tokui and Fuyuki Ishikawa},
journal= {arXiv preprint arXiv:2503.07079},
year = {2025}
}