研究課題/領域番号 |
23K21657
|
補助金の研究課題番号 |
21H03420 (2021-2023)
|
研究種目 |
基盤研究(B)
|
配分区分 | 基金 (2024) 補助金 (2021-2023) |
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 | 国立情報学研究所 |
研究代表者 |
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)
|
研究分担者 |
前澤 悠太 株式会社Udzuki(研究部), 研究部, 部長 (90759771)
Zhang Xiaoyi 国立情報学研究所, アーキテクチャ科学研究系, 特任研究員 (70883528)
|
研究期間 (年度) |
2021-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2024年度)
|
配分額 *注記 |
16,900千円 (直接経費: 13,000千円、間接経費: 3,900千円)
2024年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2023年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
|
キーワード | 深層学習 / 欠陥局所化 / プログラム自動修正 / デバッグ / Fault Localization |
研究開始時の研究の概要 |
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.
|
研究実績の概要 |
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.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
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.
|
今後の研究の推進方策 |
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.
|