2026-04-14T15:57:49Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00209687 2025-01-19T18:26:17Z 1164:1384:10524:10525

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 徳井, 翔梧 徳本, 晋 菊池, 慎司 石川, 冬樹 欠陥と障害 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． technical report 情報処理学会 2021-02-22 application/pdf 研究報告ソフトウェア工学（SE） 30 2021-SE-207 1 8 2188-8825 AN10112981 https://ipsj.ixsq.nii.ac.jp/record/209687/files/IPSJ-SE21207030.pdf jpn