機械学習ソフトウェアの高信頼化に関わるデータセット多様性の研究

2021 年度 研究成果報告書

• 研究課題/領域番号: 18H03224
• 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: 国立情報学研究所
• 研究代表者: 中島 震 国立情報学研究所, 大学共同利用機関等の部局等, 名誉教授 (60350211)
• 研究期間 (年度): 2018-04-01 – 2021-03-31
• キーワード: ソフトウェア工学 / ソフトウェア・テスティング / ニューラル・ネットワーク / ディペンダビリティ

研究成果の概要

深層ニューラルネットワーク訓練学習基盤を検査するソフトウェア・テスティングの新しい技術としてメタモルフィック・テスティングを用いる方法の研究を行った。その成果として、セマンティックノイズ合成による入力テストデータ自動生成方法、ニューロン内部活性状態をもとにしたメタモルフィック関係定義法、統計的仮説検定を応用いしたテスティングフレームワークを考案した。手書き数字画像分類の問題に適用し、検査法の有効性を確認した。

自由記述の分野

ソフトウェア

研究成果の学術的意義や社会的意義

深層ニューラルネットワークの技術は高度な信頼性を求められるシステムに応用され、不具合が生じると社会的な影響が大きいことから、品質評価方法の確立が求められている。学樹的には、セマンティックノイズによるデータセット多様性というアイデアから、メタモルフィック・テスティングを深層ニューラルネットワーク訓練学習基盤の検査に応用する方法を示したことである。