[发明专利]一种基于带权重采样的深度学习算子测试数据生成方法在审
| 申请号： | 202111471772.X | 申请日： | 2021-11-30 |
| 公开（公告）号： | CN114265764A | 公开（公告）日： | 2022-04-01 |
| 发明（设计）人： | 房春荣;顾明政;刘佳玮;邹英龙;林均劼;陈振宇 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36;G06N20/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210093 江苏省南京市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于带权重采样的深度学习算子测试数据生成方法，其特征是将一组提前设计的变异方法视作向不同数据取值域的映射，在其中进行预先的蒙特卡罗采样，从而获取各变异方法的有效性并以此为权重进行采样，并最终在兼顾数据多样性的同时更有效地生成深度学习算子测试数据。数据变异方法组合可灵活进行增、删、改，本方法提供的基本变异方法包括：字节、噪声和倒转变异。其中，字节变异指对测试数据的浮点数二进制编码进行字节操作的变异，包括各字节的增加、删除、取反、移位、随机重置；噪声变异是指随机使用各类噪声施加于测试数据；倒转变异是指将测试数据作为分母计算其伪倒数的变异。上述变异基于不同的基本思想，兼顾有效性与多样性。 | ||
| 搜索关键词： | 一种 基于 权重 采样 深度 学习 算子 测试数据 生成 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学，未经南京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202111471772.X/，转载请声明来源钻瓜专利网。
