| Item type |
SIG Technical Reports(1) |
| 公開日 |
2021-02-22 |
| タイトル |
|
|
タイトル |
訓練履歴を用いた欠陥局所化によるディープニューラルネットワーク修正技術の開発 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
欠陥と障害 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
| 著者所属 |
|
|
|
富士通研究所 |
| 著者所属 |
|
|
|
富士通研究所 |
| 著者所属 |
|
|
|
富士通研究所 |
| 著者所属 |
|
|
|
国立情報学研究所 |
| 著者名 |
徳井, 翔梧
徳本, 晋
菊池, 慎司
石川, 冬樹
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
ディープニューラルネットワーク（DNN）を用いたシステムは従来のシステムとは異なりデータによってモデルが構築されるため，誤判定を検出した場合，通常ではデータを追加して再訓練することで DNN モデルを修正する．データによる修正は誤判定となるデータ（失敗データ）を成功判定に修正すると同時に，成功判定となるデータを誤判定に変えてしまう（退行）可能性がある．そこで，探索的に DNN モデルのパラメータ（重み）を変更することで，再訓練なしで誤判定を修正する方法が提案されている．従来手法では，失敗データに影響する重みを特定する欠陥局所化を行い，誤りが減少するような重みの値を粒子群最適化により探索した．しかし，従来手法の欠陥局所化は失敗データの影響のみで重みを特定するため，退行につながることが多い．本研究では，訓練履歴を用いて，DNN モデルの訓練過程で成功判定から誤判定に変化するデータ (退行データ）を検出し，退行データにのみ影響する重みを特定する欠陥局所化を行うことで，退行を防ぐ新たな DNN 修正技術を開発した．評価実験では，画像分類のデータセットを用いた 4 種類の訓練済みモデルに対しモデルの修正を適用し，モデルの修正による退行を従来手法の 1/10 以下に抑えつつ，モデルの精度を下げることなく 1%～10% の失敗データを修正できたことを示す． |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN10112981 |
| 書誌情報 |
研究報告ソフトウェア工学（SE）
巻 2021-SE-207,
号 30,
p. 1-8,
発行日 2021-02-22
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8825 |
| Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-SE21207030.pdf (370.7 kB)
