基于反绎学习的深度神经网络测试用例优化方法、系统、介质及电子设备

本发明提供一种基于反绎学习的深度神经网络测试用例优化方法、系统、介质及电子设备，所述方法包括：构建深度神经网络模型；基于所述深度神经网络模型，通过主动学习策略生成带伪标记的测试数据；构建反绎学习测试数据标记优化框架，结合测试用例知识库对带伪标记的测试数据进行基于逻辑推理的标记优化；使用优化后的伪标记和带预言标记数据再训练深度神经网络模型；不断迭代，实现测试用例标记优化和深度神经网络模型的持续优化。本发明解决了测试预言手工标记代价昂贵且效率低下的问题和测试预言自动标记任务中错误标记样本比例高的问题，同时还能够实现对被测深度神经网络模型的优化。