High-Quality Deep Learning Systems via Tracability Exploration between Requirements and Implementation

点击翻译按钮获取中文摘要

本研究では，深層学習で用いるDeep Neural Network（以後DNN）において要求の一部分と実装の一部分を対応づけるトレーサビリティーを実現する技術に取り組んでいる．特に，DNNの内部挙動を分析することにより，このトレーサビリティーを実現するアプローチを採っている．二年目となる2022年度においては，まず，全体産業界との議論を通し，社会実装において求められるDNNの修正パターンを明らかにした．次に，その修正パターンを踏まえ，望ましくない誤りの原因となっているDNN内の構成要素を分析する手法および，修正する手法に取り組んだ．これにより，重要な対象に対する誤り率の増加を抑えることを重視する手法や，複数種類の誤りに対してそれらのトレードオフを追求する手法を中心に，DNNの分析・修正に関する知見を得ることができた．