| 研究課題/領域番号 |
20H04168
|
|---|
| 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)
|
|---|
| 研究分担者 |
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)
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)
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
|
| キーワード | ソフトウェア工学 / 知能ソフトウェア解析 / 深層学習 / 機械学習工学 / 回帰型ニューラルネットワーク解析 / 機械学習品質保証 |
|---|
| 研究実績の概要 |
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。
今年度はRNNから抽象モデルの抽出と初期化を提案できました。RNNの状態遷移動作を解析しやすいモデルて近似すると、ホワイトボックス解析と理解か可能になれる。具体的には、RNNからマルコフ決定フロセス(MDP)を活用して抽出し、近似する。抽出されるのモデルはMDPによって、状態、遷移、およひトレースの詳細な統計的動作に特徴付け、強力な表現力により、トレーニングテータを使用し、RNNのフロファイリングを行い、具体的な状態遷移を取得し、振る舞いの近似できるのモデルを構築する。MDPに基づいて、時系列入力T = {t1,t2,...,tn}がRNNに与えると、RNNかtiて誤った判断をしないように、各セグメント(segment)tiに対する頑健性をリアルタイムて解析することか重要てある。本年度には、Deep Learning (DL)システムの頑健性メトリクスとテストカバレッジ基準を調査し、新しい基準を提案し、その支援ツールを開発した。プロジェクト全体の目標に向けて、順序に進めている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
当初提案されたの研究計画に向けて、順調に進んでいる。
|
| 今後の研究の推進方策 |
今後の研究実施計画ては、2020年度の研究に基づいて、主要的な抽象モデルの抽出方法と解析とテスト生成フレームワークの構築は目標とになる、更に提案されたプロジェクト全体目標を進めていく。
具体的には:a) RNNから抽象モデルの抽出方法とツールを完成する。提出された手法を実験する。さらに、RNNから抽象モデルの抽出方法を評価し、結果が国際会議と雑誌を投稿する。b) RNN自動解析とテスト生成フレームワークの構築を完成の目標となる。RNN自動解析とテスト生成フレー ムワークを評価し、結果が国際会議と雑誌を投稿する。c)RNNの修復技術を探索研究にする。RNNシステムのオンライン修正技術の研究と実装。d) 提出された技術の有効性を検証ために、RNN応用のBenchmarkを構築する。構築されたRNN応用のBenchmark の上、RNNから抽象モデルの抽出方法とRNN自動解析とテスト生成フレームワークは大規模に実験し、有効性と検証する。
|
