利用数据流分析检测深度神经网络缺陷
机器学习
2019-10-01 v2 信号处理
机器学习
摘要
深度神经网络（DNNs）被证明是许多具挑战性人工智能任务中有前景的解决方案。然而，很难判断一个 DNN 模型的低精度是不可避免的结果，还是由缺陷引起。本文旨在解决这一挑战性问题。我们发现 DNN 模型的内部数据流足迹可为有效定位根因提供线索。我们开发了 DeepMorph（DNN 断层扫描）来分析根因，其可指导 DNN 开发者改进模型。
引用
@article{arxiv.1909.02190,
title = {Detecting Deep Neural Network Defects with Data Flow Analysis},
author = {Jiazhen Gu and Huanlin Xu and Yangfan Zhou and Xin Wang and Hui Xu and Michael Lyu},
journal= {arXiv preprint arXiv:1909.02190},
year = {2019}
}
备注
2 pages