文献

J-GLOBAL ID：201902257388299589   整理番号：19A2418185

データ駆動モデルのための不確実性ラッパーは信頼できる状況意識不確実性推定を用いた強化によりAI/MLベースモデルの透明性を増加させる【JST・京大機械翻訳】

Uncertainty Wrappers for Data-Driven Models Increase the Transparency of AI/ML-Based Models Through Enrichment with Dependable Situation-Aware Uncertainty Estimates

著者 (2件)： Klaes Michael (Fraunhofer Institute for Experimental Software Engineering IESE, Kaiserslautern, Germany) ,  Sembach Lena (Fraunhofer Institute for Experimental Software Engineering IESE, Kaiserslautern, Germany)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11699  ページ： 358-364  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 確立された安全性決定ソフトウェアコンポーネントとは対照的に,人工知能(AI)または機械学習(ML)に基づくモデルを含むコンポーネントの結果は,いかなる状況でも正しいと仮定することもできない。したがって,不確実性は,AI/MLアルゴリズムによって作成されたデータ駆動モデルの結果を用いるとき,意思決定の固有の部分である。これを扱うために,特に安全関連システムの文脈において,信頼できる統計的記述を通して不確実性を透明にする必要がある。本論文では,データ駆動モデルに対する不確実性ラッパ解の概念モデルと関連する数学的基礎の両方を紹介した。ラッパは,MLまたは他のAI技術によって提供されるような既存のデータ駆動モデルを,事例個人と音の不確実性推定によって強化する。交通標識認識のタスクを用いて,モデル適合だけでなくデータ品質と範囲コンプライアンスに関しても不確実性を考慮したアプローチを例示した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 交通標識 ,  人工知能 ,  モデリング ,  機械学習 ,  コンプライアンス ,  安全性 ,  ソフトウェアコンポーネント ,  意思決定 ,  *不確実性 ,  音響 ,  アルゴリズム
準シソーラス用語： データ品質 ,  概念モデル ,  *ラッパー ,  *データ駆動 , 【Automatic Indexing@JST】

著者キーワード (7件)： 人工知能 ,  機械学習 ,  信頼性 ,  安全工学 ,  データ品質 ,  運用設計領域 ,  モデル検証

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (12件)： データ駆動 ,  モデル ,  不確実性 ,  ラッパー ,  信頼 ,  状況 ,  意識 ,  推定 ,  強化 ,  AI ,  ML ,  透明性