[发明专利]一种基于强化学习的深度学习算子测试数据生成方法在审
| 申请号： | 202111471856.3 | 申请日： | 2021-11-30 |
| 公开（公告）号： | CN114265765A | 公开（公告）日： | 2022-04-01 |
| 发明（设计）人： | 房春荣;顾明政;刘佳玮;何云;孙浩峰;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： | 一种基于强化学习的深度学习算子测试数据生成方法，其特征是基于提前定义的基本变异方法组构造一个基于变异方法及跳转的QTable，进行带关联的强化学习训练，并最终在复杂场景下采用变异方法链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、多项式和高斯变异。其中，字节变异是对测试数据的浮点数二进制编码进行字节操作的变异，包括二进制编码各字节的增加、删除、取反、移位、随机重置；高斯变异指利用以测试数据为均值的高斯分布采样得到新的测试数据；多项式变异指对测试数据到边界的距离进行不同比例的放缩。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 强化 学习 深度 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/202111471856.3/，转载请声明来源钻瓜专利网。
