Project/Area Number |
23K21657
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 60050:Software-related
|
Research Institution | National Institute of Informatics |
Principal Investigator |
石川 冬樹 国立情報学研究所, アーキテクチャ科学研究系, 准教授 (50455193)
|
Co-Investigator(Kenkyū-buntansha) |
前澤 悠太 株式会社Udzuki(研究部), 研究部, 部長 (90759771)
|
Project Period (FY) |
2024-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2024)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2024: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
|
Keywords | 深層学習 / 欠陥局所化 / プログラム自動修正 / デバッグ |
Outline of Research at the Start |
自動運転など品質が非常に重要となる領域も含め深層学習の産業応用が追求されているが,Deep Neural Network(以後DNN)の複雑さ・ブラックボックス性から,品質の保証や向上が難しい.本研究では,DNNにおいて要求の一部分と実装の一部分を対応づけるトレーサビリティーを実現する技術に取り組む.焦点として,DNNの内部挙動のパターンや多様性をとらえる指標を用いることで,それらがどう要求充足の程度,すなわち品質に関連するかを追求し,この関連性を用いたテスト技術やデバッグ技術を確立する.これにより,対象システム固有の要求に応じて意義ある品質の評価や改善を効果的・効率的に行えるようにする.
|