Мутаційний аналіз та проблеми його використання для моделей машинного навчання
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
Видавничий дім «Гельветика»
Анотація
У статті розглянуто особливості застосування мутаційного аналізу до систем машинного навчання (МН). Проведений аналіз засвідчив, що класичне тестування мутаціями не може бути безпосередньо використане до систем з МН без відповідної адаптації. У статті детально описуються основні проблеми, які виникають під час мутаційного аналізу у системах МН, зокрема, визначення поняття «вихідного коду», розробка ефективних та реалістичних операторів мутації, оптимізація швидкодії процесу тестування і необхідність вдосконалення методів оцінки мутаційного покриття. Крім того, стаття розглядає останні дослідження мутаційного аналізу в контексті систем з МН та проводить їх критичний аналіз. У ході дослідження запропоновано низку рекомендацій для дослідників та розробників програмного забезпечення, які дозволять не лише інтегрувати тестування мутаціями до моделей МН, а й зберегти основоположні концепції мутаційного аналізу. Наприклад, обґрунтовано необхідність чіткого розмежування між вихідним кодом і тестовими наборами, створення спеціалізованих операторів мутації та розробка комбінованих метрик для оцінки тестового покриття. Щобільше, розглянуто способи оптимізації обчислювальної складності мутаційного аналізу, які використовуються в наявних інструментах. Запропоновані рішення сприятимуть підвищенню якості тестування моделей МН та забезпеченню більш точної оцінки їхньої надійності. Результати дослідження підкреслюють важливість адаптації класичних методів тестування до особливостей систем МН для підвищення їхньої ефективності та надійності. Висновки визначають напрямки подальших досліджень у цій сфері, зокрема, розробку нових реалістичних операторів мутації, оптимізацію швидкодії тестування та узгодження основних концептуальних аспектів мутаційного аналізу із принципами роботи моделей МН. Подальший розвиток методів мутаційного аналізу дозволить зробити тестування моделей МН більш надійним, ефективним і адаптивним до змінних умов реальних застосувань.
Опис
Ключові слова
мутаційне тестування, оператори мутації, якість тестових наборів, машинне навчання, моделі машинного навчання, обробка великих масивів даних, mutation testing, mutation operators, quality of test sets, machine learning, machine learning models, processing of big data arrays
Бібліографічний опис
Лебедєв, А. В. Мутаційний аналіз та проблеми його використання для моделей машинного навчання [Електронний ресурс] / Лебедєв А. В., Федорова Н. В. // Вчені записки ТНУ імені В. І. Вернадського. Серія: Технічні науки. — 2025. — Т. 36(75), № 2, Ч. 2. — С. 112-117. — Бібліогр.: 11 назв. — Назва з екрана.