| 研究課題/領域番号 |
19K24348
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1001:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
馬 雷 九州大学, システム情報科学研究院, 学術研究員 (70842061)
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 差動テスト / 信頼性と安全性 / 深層学習システム / 深層学習システムの展開 / テスト基準 / ソフトウェア品質保障 / システム開発と展開 / 機械学習工学 / ソフトウェアテスト / 品質保障 / 信頼性 |
|---|
| 研究開始時の研究の概要 |
深層学習（DL）は、多くの最先端のアプリケーション分野で競争力のある知能と大きな成功を収めてきた。GPU搭載サーバー/クラウドから小型デバイス（携帯電話など）へのDLシステムの導入と適用の需要が急増している。ただし、サーバー/クラウドと小型デバイスの間のDLフレームワーク、プラットフォーム、およびターゲットデバイスのハードウェアの多様性と差異により、DLシステムを小型デバイスに効果的に移行して展開することは非常に困難であり、現在、DLシステムの展開に対して品質保証の手法がまだ欠けている。本研究では、DLシステム展開の品質保証のための自動差動テストフレームワークを構築することが目的としている。
|
| 研究成果の概要 |
本研究では、当初の提案内容は全て順調に完成された。まず、深層学習(DL)の開発・展開における具体的な課題を理解するために調査を行った。その結果、深層学習システムの展開品質には多くの課題があることが分かった。これに踏まえて、不確実性の観点から差分テスト基準を提案し、DiffChaser差分テストフレームワークを提案した。多様なDL展開場面に対して系統的な評価を行い、有効性を示した。さらに、不確実性やデータ分散の観点から、DLの挙動解析手法について詳細な検討を行い、有望な結果を獲得した。本研究の成果は、今後の研究や産業界への応用に向けて、DL展開の品質保証に関する重要な基盤を構築することができた。
|
| 研究成果の学術的意義や社会的意義 |
近年、小型デバイスを目標としたAIチップの急速な進歩は、DLのパワーを小型デバイスにもたらす新たな機会をもたらした。しかし、DLシステムの品質保証技術に関する研究はまだ初期段階である。本研究では、DLの展開段階から多様な小型デバイスへの関連テスト基準、差分テストフレームワーク、および品質向上技術を構築し、重要だが欠けている部分を埋める。高品質のDL手法で小型デバイスを強化することで、応用の範囲がさらに拡大され、知能システムの恩恵が世界中のあらゆる社会にもたらされる。本研究の成果がDLシステム展開のための品質保証を提供し、将来の知能社会の発展を加速するための基盤と応用を築くことが期待される。
|
