Bài báo này đề xuất một phương pháp kiểm thử theo yêu cầu (RBT4DNN) tận dụng các thông số kỹ thuật yêu cầu ngôn ngữ tự nhiên để giải quyết khó khăn trong việc xây dựng các yêu cầu chức năng cho mạng nơ-ron sâu (DNN). RBT4DNN định nghĩa một không gian đặc trưng ngữ nghĩa bằng cách sử dụng một bảng thuật ngữ và chính thức hóa các điều kiện tiên quyết của các yêu cầu chức năng thành các tổ hợp logic của các đặc điểm này. Sử dụng dữ liệu đào tạo phù hợp với các tổ hợp đặc điểm này, nó tinh chỉnh một mô hình tạo ra để tạo ra các đầu vào kiểm thử đáng tin cậy đáp ứng các điều kiện tiên quyết. Sau đó, các bài kiểm thử này được chạy trên DNN đã đào tạo, so sánh đầu ra với hành vi dự kiến của các điều kiện hậu yêu cầu. RBT4DNN trình bày hai trường hợp sử dụng: phát hiện lỗi trong DNN và cung cấp phản hồi về tổng quát hóa mô hình thông qua việc khám phá hành vi của mô hình theo yêu cầu trong quá trình phát triển. Kết quả đánh giá chứng minh rằng các bài kiểm thử do RBT4DNN tạo ra là thực tế, đa dạng và phù hợp với các điều kiện tiên quyết của yêu cầu, cho phép phân tích có mục tiêu về hành vi của mô hình và phát hiện lỗi hiệu quả.
