文献

J-GLOBAL ID：202102227041556215   整理番号：21A0153282

Bayes統計を用いた自律航空宇宙アプリケーションにおける深層ニューラルネットワークの解析のためのフレームワーク【JST・京大機械翻訳】

A Framework for the Analysis of Deep Neural Networks in Autonomous Aerospace Applications using Bayesian Statistics

著者 (2件)： He Yuning (NASA Ames Research Center, Moffett Field,USA) ,  Schumann Johann (SGT, Inc./KBR, NASA Ames Research Center, Moffett Field,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SPW  ページ： 234-239  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  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,多くの自律システムにおける重要部品であると考えられている。応用範囲は,視覚ベースの障害物回避から知的/学習制御と計画までの範囲である。航空宇宙領域で見られる安全臨界応用は,DNNの挙動を検証し,自律システム(AUS)の安全性に対して厳密に試験する必要がある。本論文では,DNNのテストとネットワーク構造の解析をサポートするフレームワークを提案した。本フレームワークは,DNN安全試験および性能解析のためのテストケースを効果的に生成するために,統計的モデリングおよびアクティブ学習からの技術を採用した。固定翼航空機の空力挙動をエミュレートするために訓練された物理ベース深再帰残留ニューラルネットワーク(DR-RNN)に関する事例研究の結果を提示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  航空機 ,  学習制御 ,  空気力学 ,  *ニューラルネットワーク ,  自律系 ,  臨界 ,  ネットワーク構造 ,  エミュレーション ,  *応用プログラム ,  事例研究 ,  性能分析 ,  障害物回避
準シソーラス用語： 能動学習 ,  *航空宇宙 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： Bayes統計 ,  自律 ,  航空宇宙 ,  アプリケーション ,  深層ニューラルネットワーク ,  解析 ,  フレームワーク