文献

J-GLOBAL ID：202002291291132285   整理番号：20A0592053

機械学習ソフトウェアにおける歪と故障【JST・京大機械翻訳】

Distortion and Faults in Machine Learning Software

著者 (1件)： Nakajima Shin (National Institute of Informatics, Tokyo, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12028  ページ： 29-41  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： 機械学習ソフトウェア,特に深いニューラルネットワーク(DNN)ソフトウェアは,近似的入出力関係を合成するために,大規模データセット,データセットから価値ある情報を識別する。このようなDNNプログラムの結果は,学習プログラムとデータセットの両方の品質に依存する。しかし,DNNソフトウェアの品質保証は困難である。近似関係の機能的挙動を定義する訓練された機械学習モデルは,その開発の前に未知であり,検証は予測性能の観点から間接的に行われる。本論文では,DNNプログラムにおける故障が訓練された機械学習モデルにおける歪としてそれ自身を明示するという仮説を紹介した。適切なオブザーバ関数で測定された相対歪度は,プログラムがいくつかの隠れた故障を持つことを示す可能性がある。提案をMNISTデータセットの事例で実証した。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： 近似法 ,  ニューラルネットワーク ,  品質保証 ,  *機械学習 ,  品質 ,  *ソフトウェア
準シソーラス用語： 歪度 ,  予測性能 ,  学習プログラム ,  大規模データセット , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 機械学習 ,  ソフトウェア ,  故障