DeepDTS: Derin sinir ağları için çeşitli test seçim yöntemi

Derin Sinir Ağları (DNN), veriye dayalı modelleme görevlerinde yaygın olarak kullanılmaktadır. Bu ağların test edilmesi, güvenlik kritik uygulamalarda yer almasından dolayı hayati öneme sahiptir. Ancak, onların siyah kutu doğası, kararlarını açıklamak ve yanlış davranışları tanımlamak konusunda zorluklar yaratır. Bir DNN'de hata tespiti, geniş, etiketlenmemiş bir veri kümesinden çeşitli ve hata ortaya çıkaran bir test setinin seçilmesini gerektirir. Test setindeki çeşitlilik, DNN'nin karar alanının kapsamını genişletir ve farklı hataların tespitine yardımcı olur. Bu makalede, bir DNN modelinde bir test setinin çeşitliliğini değerlendirmek için Tekil Entropi Yoğunluğu (SED) ölçümünü tanıtıyoruz. Diğer çeşitlilik ölçümlerine karşı etkinliğini gösteriyoruz. Ayrıca, SED'ye göre daha yüksek çeşitlilik puanlarına sahip yanlış sınıflandırılmış girişleri belirlemek için tasarlanmış çeşitli bir test seçim yöntemi olan DeepDTS'yi sunuyoruz. DeepDTS'nin diğer kapsama ve belirsizlik temelli test seçim yöntemlerine göre etkinliğini değerlendirmek için yaygın olarak kullanılan veri kümeleri ve DNN modelleri ile deneyler gerçekleştirdik. Sonuçlarımız, DeepDTS'nin çeşitli bir test seti seçme konusunda diğer seçim yöntemlerini geride bıraktığını göstermektedir.