抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】