2022 Fiscal Year Annual Research Report
High-Quality Deep Learning Systems via Tracability Exploration between Requirements and Implementation
| Project/Area Number |
21H03420
|
|---|
| Allocation Type | Single-year Grants |
|---|
| 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) |
2021-04-01 – 2025-03-31
|
| Keywords | 深層学習 / 欠陥局所化 / デバッグ |
|---|
| Outline of Annual Research Achievements |
本研究では，深層学習で用いるDeep Neural Network（以後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んでいる．特に，DNNの内部挙動を分析することにより，このトレーサビリティーを実現するアプローチを採っている．
二年目となる2022年度においては，まず，全体産業界との議論を通し，社会実装において求められるDNNの修正パターンを明らかにした．次に，その修正パターンを踏まえ，望ましくない誤りの原因となっているDNN内の構成要素を分析する手法および，修正する手法に取り組んだ．これにより，重要な対象に対する誤り率の増加を抑えることを重視する手法や，複数種類の誤りに対してそれらのトレードオフを追求する手法を中心に，DNNの分析・修正に関する知見を得ることができた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
深層ニューラルネットワークが持つ性質を解きほぐすことの難しさには直面しているものの，産業界との議論や修正手法の構築を十分に進めることができた．
|
| Strategy for Future Research Activity |
企業ごとの異なるニーズのヒアリングなどを行い問題設定の実用性を高めつつ，これまでの技術的成果を発展させていく．
|
Research Products
(2 results)
