基于神经网络的新颖性测试选择以加速功能覆盖率收敛
软件工程
2023-06-16 v3 机器学习
摘要
用于基于仿真的验证中的新颖测试选择器已被证明能显著加速覆盖率收敛，而与覆盖率漏洞数量无关。本文提出一种基于神经网络的可配置高度自动化新颖测试选择框架。该框架的三种配置在一个商用信号处理单元上进行了测试。三者均令人信服地优于随机测试选择，其中最大的仿真节省为达到 99.5% 覆盖率时减少 49.37%。与仿真缩减相比，这些配置的计算开销可忽略不计。我们比较了实验结果并讨论了与配置性能相关的重要特征。
引用
@article{arxiv.2207.00445,
title = {Using Neural Networks for Novelty-based Test Selection to Accelerate Functional Coverage Closure},
author = {Xuan Zheng and Kerstin Eder and Tim Blackmore},
journal= {arXiv preprint arXiv:2207.00445},
year = {2023}
}