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

• Item type: SIG Technical Reports(1)
• 公開日: 2021-02-22
• 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: jpn
• キーワード / 主題Scheme: Other
• キーワード / 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
• 論文抄録 / 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
• 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 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
• 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