On Dataset Diversity for Achiving High Reliability of Machine Learning Software
| Project/Area Number |
18H03224
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60050:Software-related
|
|---|
| Research Institution | National Institute of Informatics |
|---|
Principal Investigator |
Nakajima Shin 国立情報学研究所, 大学共同利用機関等の部局等, 名誉教授 (60350211)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥12,220,000 (Direct Cost: ¥9,400,000、Indirect Cost: ¥2,820,000)
Fiscal Year 2020: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2019: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2018: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
|
|---|
| Keywords | ソフトウェア工学 / ソフトウェア・テスティング / ニューラル・ネットワーク / ディペンダビリティ |
|---|
| Outline of Final Research Achievements |
We proposed a new metamorphic testing method applicable to checking the correctness of machine learning programs constituting the core mechanism of machine learning frameworks. The contributions include a test generation method employing the notion of semantic noises, metamorphic relations referring to active neuron states, and a testing framework to combine the statistical hypothesis testing method and the metamorphic testing.
|
| Academic Significance and Societal Importance of the Research Achievements |
深層ニューラルネットワークの技術は高度な信頼性を求められるシステムに応用され、不具合が生じると社会的な影響が大きいことから、品質評価方法の確立が求められている。学樹的には、セマンティックノイズによるデータセット多様性というアイデアから、メタモルフィック・テスティングを深層ニューラルネットワーク訓練学習基盤の検査に応用する方法を示したことである。
|
Report
(4 results)
Research Products
(25 results)
