| 研究課題/領域番号 |
20H04168
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60050:ソフトウェア関連
|
|---|
| 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, 准教授 (70842061)
|
|---|
| 研究分担者 |
佐藤 周行 東京大学, 情報基盤センター, 准教授 (20225999)
趙 建軍 九州大学, システム情報科学研究院, 教授 (20299580)
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)
鵜林 尚靖 九州大学, システム情報科学研究院, 教授 (80372762)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
17,680千円 (直接経費: 13,600千円、間接経費: 4,080千円)
2022年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2021年度: 5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)
2020年度: 7,410千円 (直接経費: 5,700千円、間接経費: 1,710千円)
|
|---|
| キーワード | 知能ソフトウェア分析 / 深層学習 / 回帰型ニューラルネットワーク分析 / 機械学習品質保証 / ソフトウェア工学 / 機械学習工学 / 知能ソフトウェア解析 / 回帰型ニューラルネットワーク解析 / 深層学習システム / ソフトウエア解析 / ソフトウエアテスト / ソフトウエア修復 / 回帰型ニューラルネットワーク |
|---|
| 研究開始時の研究の概要 |
深層学習(DL)は画像処理、音声認識、自然言語処理、及ひ囲碁なとの応用面て華々しい成功をおさめ、自動運転車やロボットなと、社会基盤に関わる重要な分野ての成果か益々期待されている。それと同時に、DLシステムにおける障害か発生する場合、社会に巨大な災害をもたらす可能性かあるため、その信頼性と安全性に対する要求か益々高くなっている。本研究ては、ステートフル深層学習システム(RNN)に対する系統的解析と修復技術の確立を目的としている。本研究の進展により、RNNにおける系統的な解析やテスト技術とその支援環境か整い、信頼性と安全性の高いRNNシステムを構築することか期待てきる。
|
| 研究成果の概要 |
本研究では、回帰型ニューラルネットワーク（RNN）に対する系統的な分析と修正技術の確立を目的としています。具体的には、以下の成果を得ました。1) RNNの内部動作を近似する抽象モデルの抽出と分析基盤を構築しました。2) RNNの自動分析、テスト、修正、解釈などの早期フレームワークを開発しました。3) 提案された技術を実際のRNNシステムに適用することで、提案手法の有効性を検証できました。
本研究は、RNNについて早期に解釈可能な分析技術の基盤を確立することができ、今後、RNNがより影響力を持つことが予想されるため、信頼性の高いRNNを構築するために、この研究成果が役立つことが期待されています。
|
| 研究成果の学術的意義や社会的意義 |
RNNは、自然言語処理などの時系列信号処理において、社会基盤に関わる重要な分野での成果がますます期待されている。しかし、RNNはフィードバックと内部状態を使用するため、ブラックボックスの特性により、信頼性保証などが非常に困難となることがある。特に、信頼性が重要な産業界や日常社会の様々な応用において、誤った動作をする悪い影響に直面する可能性がある。そこで、本研究では、RNNに対する系統的解釈ができる分析技術の確立により、RNNにおける解釈可能な分析などにおいて、品質・安全保証技術の基盤とその支援環境が整い、信頼性と品質の高いRNNシステムを構築することができるようになるでしょう。
|
