Pokrytie zmeny hodnoty je metrika používaná pri testovaní neurónových sietí, ktorá sa zameriava na pokrytie aktivovaných neurónov, ktorých aktivačné hodnoty sa v priebehu testovania líšia o viac ako stanovenú hodnotu zmeny. Toto pokrytie je dôležité pre pochopenie toho, ako zmeny vo vstupných dátach môžu ovplyvniť správanie neurónovej siete, a či sú neuróny v rámci siete dostatočne citlivé na zmeny v dátach. Tento typ pokrytia poskytuje informácie o robustnosti a spoľahlivosti modelu v rôznych testovacích scenároch.
Pri použití pokrytia zmeny hodnoty sa sleduje, či neuróny v sieti reagujú na zmeny v testovacích dátach, a do akej miery tieto zmeny ovplyvňujú výsledky siete. Tento prístup umožňuje identifikovať neuróny, ktoré sú kľúčové pre rozhodovací proces siete, a môže byť použitý pri ladení a optimalizácii neurónových sietí. Tento spôsob testovania je mimoriadne užitočný pri vývoji aplikácií založených na strojovom učení, kde je dôležité zabezpečiť, aby modely boli nielen presné, ale aj stabilné a odolné voči zmenám vo vstupných dátach.