커버리지 방법들을 이용한 심층 신경망 구조 선택

Abstract

최근 심층 신경망이 널리 보급되면서 심층 신경망을 시험 및 검증하기 위한 많은 연구가 진행되고 있다. 이중 가장 활발히 연구되고 있는 주제 중 하나는 심층 신경망을 대상으로 하는 테스트 커버리지 방법이다. 본 연구는 현재까지 발표된 다양한 테스트 커버리지 방법들을 이용하여, 학습 데이터 대비최적의 심층 신경망 구조를 찾는데 활용할 수 있다는 새로운 아이디어를 제안한다. 이를 위해, 동일한 데이터세트로 학습된 기온 예측용 신경망 구조들 다수에 대해 테스트 커버리지를 계산하여 가장 적합한 신경망을 선택한다. 구체적으로, 제시된 방법은 1～3개의 장단기 메모리 층과 2～20개의 뉴런을 가지는 전결합 층으로 구성된 총 13개의 신경망 구조 중 최적의 심층 신경망 구조를 성공적으로 찾아낸다.