文献

J-GLOBAL ID：202002268160587200   整理番号：20A1758688

PaRoT:ロバストな深層ニューラルネットワーク訓練のための実用的フレームワーク【JST・京大機械翻訳】

PaRoT: A Practical Framework for Robust Deep Neural Network Training

著者 (4件)： Ayers Edward W. (DPMMS, Cambridge University, Cambridge, UK) ,  Eiras Francisco (FiveAI, Cambridge, UK) ,  Hawasly Majd (FiveAI, Cambridge, UK) ,  Whiteside Iain (FiveAI, Cambridge, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12229  ページ： 63-84  発行年： 2020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： 深層ニューラルネットワーク(DNN)は,安全運転のために環境を正しくロバストに知覚する自律車両(AV)のような安全クリティカルシステムにおける重要なアプリケーションを見つける。ブラックボックスの性質による保証に対するユニークな課題の高まりにより,DNNは,これらのタイプのシステムの規制受容のための基本的問題を提起する。入力-hasの小さな変化に対する過度の感度を最小化するためのロバスト訓練は,この課題に対処する一つの有望な技術として出現した。しかしながら,既存のロバスト訓練ツールは,既存のコードベースやモデルに対して使用あるいは適用できないので,それらは典型的には,モデル要素の小さな部分集合をサポートし,訓練コードを広範囲に書き換えるユーザを必要とする。本論文では,ポピュラーなTensorFlowプラットフォーム上に開発された新しいフレームワークPaRoTを導入し,侵入に対する障壁を大幅に削減する。提案フレームワークは,このモデルに書き換えることなく既存のDNN上でロバスト訓練を行うことが可能である。このフレームワークの性能が以前の芸術に匹敵することを示し,実際の産業応用,すなわち交通光検出ネットワークに対する,その使用の容易さ,訓練されたモデル,および,その試験能力を例示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  ブラックボックス ,  応用プログラム ,  光検出 ,  *ロバスト性
準シソーラス用語： 産業応用 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ロバスト ,  深層ニューラルネットワーク ,  訓練 ,  フレームワーク