- 전체보기(140)
- 종합설계(7)
- DeepArc(4)
- Isabelle(3)
- Verification(3)
- SNU(3)
- DNN(3)
- Coverage(3)
- fuzzing(3)
- tensorflow(3)
- Capstone(2)
- 백준(2)
- 캡스톤(2)
- HPKorea(2)
- PyTorch(2)
- Module(2)
- mutation(2)
- C(2)
- 알고리즘(2)
- WISET(2)
- jax(2)
- hp(2)
- quantization(2)
- aws(2)
- fuzzingbook(2)
- 백엔드(1)
- final(1)
- 사회리더대학생멘토링(1)
- Tangling(1)
- data analystics(1)
- Global mentoring(1)
- 자동 미분(1)
- Repairing(1)
- NN inference(1)
- Ecobyte(1)
- 종합설계프로젝트(1)
- 변수 및 가중치 관리(1)
- COCO(1)
- 배포(1)
- 한국장학재단(1)
- 정규화 레이어(1)
- 김형래멘토님(1)
- for문(1)
- fuzz(1)
- SSD(1)
- 테스팅(1)
- 텐서 조작(1)
- Repairing DNN(1)
- 신경망(1)
- Verifying Concurrent program(1)
- project(1)
- 멘티대표(1)
- 상세설계서(1)
- maintenance(1)
- fuzzer(1)
- DeepLocalize(1)
- 글로벌리더(1)
- torch(1)
- Fault(1)
- Quantization Methods(1)
- cgi_decode()(1)
- Localize(1)
- MSE(1)
- study(1)
- Channeling(1)
- 출력오류(1)
- Formal Verification(1)
- testing(1)
- caffe(1)
- cka(1)
- 재료비(1)
- book(1)
- MCS Lock(1)
- replacement(1)
- Tautology(1)
- GeneralClassification(1)
- 데이터센터(1)
- debugging(1)
- code coverage(1)
- CGI encoding(1)
- edge(1)
- Imagenet(1)
- senior(1)
- PKA(1)
- cloud(1)
- 화이트박스(1)
- Errors Detection(1)
- 옵티마이저(1)
- 밑바닥부터 시작하는 딥러닝(1)
- tf(1)
- 네이버(1)
- graduation(1)
- 신경망 학습(1)
- erd(1)
- restructuring(1)
- college(1)
- 문서 작성(1)
- Tensorfuzz(1)
- Decomposing(1)
- Greybox(1)
- retraining(1)
- 연구(1)
- ER Diagram(1)
- Black-Box Testing(1)
- dynamic(1)
- data(1)
- Identification(1)
- weightfixing(1)
- safety(1)
- github(1)
- random(1)
- db(1)
- 합격(1)
- RNN(1)
- White-Box Testing(1)
- 계산 그래프(1)
- 취준컴퍼니(1)
- CNN(1)
- Modularizing(1)
- ModelMaintenance(1)
- 로켓펀치(1)
- loss function(1)
- 합성곱 신경망(CNN)(1)
- pandas(1)
- Ecocycle(1)
- 자동화테스트(1)
- MCS Lock Algorithm(1)
- static(1)
- Keras(1)
- Asymmetric(1)
- 버그(1)
- bug fix patterns(1)
- modules(1)
- 과제기획서 작성(1)
- 확장성(1)
- symmetric(1)
- 상세요구사항명세서(1)
- 아마존(1)
- Localization(1)
- Throughput(1)
RNN(순환신경망) vs CNN(합성곱 신경망) 차이점과 각각의 응용 분야
이 글에서는 RNN과 CNN의 차이점과 각각의 응용 분야에 대해 설명합니다.
[논문]Can Differential Testing Improve Automatic Speech Recognition Systems?
The paper explores the use of differential testing to uncover failures in Automatic Speech Recognition (ASR) systems.
[논문]On Neural Network Equivalence Checking using SMT Solvers
this paper presents an SMT-based encoding of the problem, exploring its utility and limitations.
[논문]NeuroDiff: Scalable Differential Verification of Neural Networks using Fine-Grained Approximation
이 논문은 안전이 중요한 시스템에서 매우 중요한 구조적으로 유사한 신경망의 차등 검증 문제를 다룹니다.저자들은 피드포워드 ReLU 네트워크에서 미분 검증의 정확도와 계산 효율성을 크게 향상시키는 기호적이고 세분화된 근사화 기법인 NeuroDiff를 제안합니다.이 논문은
[논문]ReluDiff: Differential Verification of Deep Neural Networks
ReluDiff는 원하는 속성이 검증될 때까지 근사치를 반복적으로 개선하는 빨리 감기 간격 분석 패스와 역방향 패스로 구성되며, 기존 검증 도구에 비해 상당한 속도 향상을 달성하고 더 많은 속성을 증명할 수 있습니다.
Java duplicate class error in IntelliJ
error message build error가 여러 폴더에서 발생한 것을 확인할 수 있었습니다. 중복되는 클래스가 각 폴더마다 존재해서 삭제했습니다. 경로는 다음과 같습니다.
[논문]What is multi-bit quantization?
다중 비트 양자화는 비트 분할 및 스티칭 프레임워크를 사용하여 구현할 수 있습니다.이 프레임워크는 두 가지 주요 단계로 구성됩니다: 비트 분할과 비트 최적화다음은 다중 비트 양자화를 위한 단계별 프로세스입니다:비트 분할: 이 단계에서는 가중치 양자화의 M비트 제약 조건
Modeldiff github 살펴보기
ModelDiff는 두 모델의 유사도를 비교하는 데에 사용됩니다. ModelDiff github Directory와 파일 및 코드 구성을 소개하는 글입니다.
NNrepair github 살펴보기
NNrepair는 결함 위치 파악을 사용하여 잠재적으로 결함이 있는 네트워크 매개 변수를 식별하고 결함을 해결하기 위해 작은 수정을 가하는 제약 조건 기반 기법입니다. Directory와 코드에 대한 설명을 담은 글입니다.
화이트박스 테스팅 기법 종류와 코드
화이트박스 테스팅은 소프트웨어의 내부 구조와 작동 원리를 분석하여 테스팅을 수행하는 방법입니다. 여기에는 여러 가지 테스팅 기법이 포함되며, 각 기법은 특정한 목적과 접근 방식을 가지고 있습니다. 글에서 몇 가지 주요 화이트박스 테스팅 기법에 대해 설명합니다.
블랙박스 테스팅 vs 화이트박스 테스팅 차이 비교
블랙박스 테스팅(Black Box Testing)과 화이트박스 테스팅(White Box Testing)은 소프트웨어 테스팅의 두 가지 기본적인 접근법이며, 각각의 테스팅 방식은 다음과 같은 차이점을 가지고 있습니다.
[논문리뷰] Similarity of Neural Network Representations Revisited
표준 상관 분석(CCA)을 사용하여 신경망 표현을 비교하는 방법을 살펴보고, 서로 다른 초기화에서 학습된 네트워크의 표현 간의 대응을 안정적으로 식별할 수 있는 중심 커널 정렬(CKA)이라는 유사성 지수를 소개합니다.
Centered Kernel Alignment (CKA) 계산, 시각화 및 배경지식
배경지식 Centering Matrix Gram matrix CKA연산 유사성 행렬 연산 시각화
Public API: jax package
Public API: jax packagehttps://jax.readthedocs.io/en/latest/jax.htmljax.numpy modulejax.scipy modulejax.lax modulejax.random modulejax.sharding m
Torch2Jax 관련 소스
Torch 환경에서 작성된 코드를 Jax로 run 하기 위하여Torch2Jax 관련 소스를 살펴보았습니다.나중엔 Torch 환경 코드를 Jax환경에 맞춰port를 할 예정이라 참고하기 좋을 것 같아 정리하기로 했습니다.https://github.com/rdyr
JAX: 속도 비교
JAX 기능: Tensorflow에 있던 XLA 기능을 빼와서 독립적인 모듈로 만들어낸 것. @tf.function 데코레이터만 함수에 붙여주면 JIT 연산이 가능해집니다. fn, fnjit, fntf2 비교 https://brunch.co.kr/@chris-son
JAX Quickstart: What is JAX? and How does JAX compare to TF and PyTorch?
JAX is a machine learning library that has gained popularity in the research community. Here's a breakdown of what it is and how it compares to other
[논문리뷰] Weight Fixing Networks
The paper proposes a new method called Weight Fixing Networks (WFN) to minimize the information content of neural networks by reducing the number of u
[논문리뷰] NNrepair: Constraint-based Repair of Neural Network Classifiers
NNrepair is a technique for repairing neural network classifiers by identifying faulty network parameters and applying small modifications to fix them