モデルの歪みと機械学習プログラムの欠陥

• Item type: SIG Technical Reports(1)
• 公開日: 2019-07-05
• タイトル: モデルの歪みと機械学習プログラムの欠陥
• タイトル / 言語: en
• タイトル: Distortion in Learning Models and Faults in Machine Learning Programs
• 言語: jpn
• 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: 国立情報学研究所
• 著者所属(英): en
• 著者所属(英): NII
• 著者名: 中島, 震
• 著者名(英): Shin, Nakajima
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 機械学習ソフトウェアは，データの集まり （データセット） から有用な情報を導き出す方法に基づく．学習対象データセットは標本であり，標本の品質を客観的に考えることが難しい．多様なデータセットを用いるデータセット多様性が，ソフトウェア ・テスティングによる品質検査の標準的な方法となる．本稿は，学習プログラムの欠陥がモデルの歪みとして現れるという仮説に基づき，データセット多様性を訓練済み学習モデルの歪みと関連して整理する．また，テスティングで用いるデータセットの自動生成法を提案し，手書き数字認識学習タスクの実験を通して提案方法の効果を考察する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Machine learning software derives useful information from a group of data, a dataset. However, a dataset is just a sample, and defining its absolute quality is almost impossible. Software testing with various datasets is a standard approach to the quality assurance. This paper introduces a hypothesis that faults in learning programs manifest themselves as distortion in the trained machine learning models. The paper also proposes a new dataset generation method, and illustrates its effectiveness with a case study of classifying hand-written roman numbers.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 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 2019-SE-202, 号 1, p. 1-8, 発行日 2019-07-05
• ISSN / 収録物識別子タイプ: ISSN
• 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