权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

グラフベース機械学習ソフトウェア工学の研究

基于图的机器学习软件工程研究

基本信息

批准号：
18K11251
负责人：
青山幹雄
金额：
$ 2.83万
依托单位：
Nanzan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-01 至 2021-03-31
项目状态：
已结题

项目摘要

2019年度は次の2つの目標で研究を推進し，それぞれ，機械学習とソフトウェア工学に関するオリジナルな研究成果ならびに，そのソフトウェア開発への応用に関する成果を得た．(1)ソフトウェアシステムとその開発活動を包括的に表現するグラフモデル(SEGM)に基づき，グラフを対象とする新たな機械学習を応用して，ソフトウェアシステムとその開発の構造を明らかにすること．本テーマでは，ソフトウェア構造をSEGMで表現し，SEGMへグラフ機械学習の中のグラフ表現学習を適用し，ソフトウェアの構造の大域的特性として健全性，ならびに，ソフトウェアエコシステムの進化構造を明らかにする方法を提案した．提案方法をオープンソースソフトウェアに適用し，提案方法の有効性，妥当性を示した．さらに，Web APIのキュレーションサイトに公開されている説明記述に対してアテンション付き深層学習を適用し，Web APIの仕様記述を生成する方法を提案し，実際のWeb APIに適用し，提案方法の有効性，妥当性を示した．(2)機械学習モデルの開発方法の提案．本テーマではソフトウェア工学におけるアジャイル開発の概念を応用して，機械学習のモデルを段階的に少量のデータで学習する方法を提案した．提案方法を画像分類に適用し，学習の速度と精度の向上を確認した．さらに，機械学習を組込んだソフトウェアの品質モデルを提案し，その妥当性を実証実験により示した．これらの成果を踏まえ，機械学習ソフトウェア開発の基礎となるフレームワークを提案した．また，応用として機械学習ソフトウェアを組込んだナビゲーションシステムの入力データの変化に対するコンセプトドリフト問題を分析し，その構造を明らかにした．さらに，特許文書の先行事例調査への応用も行った．以上をまとめると，ソフトウェア工学と機械学習の両分野にまたがるオリジナルな研究成果が得られたと言える．

2019 annual はの 2 つの goal で research advance しを, それぞれ, rote learning とソフトウェア engineering に masato するオリジナルな research ならびに, そのソフトウェア open 発への応 with に masato すたをる achievements. (1) ソフトウェアシステムとその open を発 activities including に performance するグラフモデル (SEGM) にづき, グラフを like と seaborne する new たな rote learning を応 with して, ソフトウェアシステムとその open 発の tectonic を Ming らかにすること. This テーマでは, ソフトウェア tectonic を SEGM でし, SEGM へグラフ mechanical learning ののグラフ performance study を applicable し, ソフトウェアのの structure characteristics of the large domain として sanity, ならびに, ソフトウェアエコシステムの tectonic evolution を Ming らかにする method proposed をした. The proposal method を, を, プ, プ, ソ, スソフトウェアに, スソフトウェアに is applicable to を, the proposal method <s:1> is effective and appropriate を, and it shows that たた. さらに, Web API のキュレーションサイトに public されている instructions described にし seaborne てアテンション pay きを applicable し deep learning, Web API の shi others account を generated する method proposed をし, be interstate の Web API に applicable し, proposal method の have sharper, justice を shown した. (2) Proposal on the development method of machine learning モデモデ <e:1>. This テーマではソフトウェア engineering におけるアジャイル open 発の concept を応 with して, rote learning のモデルを Duan Jie に a few のデータ study でする method proposed をした. The proposed method を portrait classification に is applicable to に, the learning <s:1> speed と accuracy <e:1> is upward を confirmation たた. さらに, rote learning を group 込んだソフトウェアの quality モデルを proposal し, その justice を be card be 験により shown した. <s:1> れられら achievements を step まえ, machine learning ソフトウェア development foundation となるフレムワムワをを proposal たた. また, 応として rote learning ソフトウェアを group 込んだナビゲーションシステムのデ into force ータの variations change にす seaborne るコンセプトドリフトを analysis し, その tectonic を Ming らかにした. Youdaoplaceholder0, for the prior case investigation of the charter document へ応応 use the さらに line った. Above をまとめると, ソフトウェア engineering と rote learning の struck eset にまたがるオリジナルな research が must られたと said える.