大象传媒

　复数の机械学习モデルや入力データの组み合わせで构成される机械学习システムについて、これに用いる机械学习モデルと入力データの多様性が、どのように出力の信頼性に影响するかを评価し、适切なシステムの构成案を探索するための理论モデルを构筑しました。

　自动运転や医疗画像诊断などに用いられる机械学习システムでは、信頼性や安全性の高い出力が求められます。そのようなシステムの设计の一つに、狈バージョン机械学习システムがあります。このシステムでは、复数の机械学习モデルや入力データを组み合わせることにより、机械学习モデルの推论エラーがシステムの最终出力に直结することを抑止します。しかしながら、これまで、机械学习モデルや入力データの多様性が出力の信頼性と関係していることは経験的に分かっていましたが、それを説明できる理论的なモデルはありませんでした。

　本研究では、机械学习モデルの推论エラーに関して、机械学习モデルの多様性と入力データの多様性を指标化し、これに基づいて机械学习システムの出力の信頼性を评価する理论的モデルを构筑しました。これにより、一般的に想定される状况においては、机械学习モデルの多様性と入力データの多様性の双方を生かす构成方法が最も安定的に信頼性を向上できることが示されました。

　実际のシステム设计においては、复数の推论処理を実行する际の付随作业（オーバーヘッド）やコストも问题になります。今后さらに、狈バージョン机械学习システムの高信頼化を、より低コスト?省电力?小オーバーヘッドで実现する方式について、理论および実装の両面から研究开発を进める予定です。

笔顿贵资料

プレスリリース

研究代表者

筑波大学システム情报系

掲载论文

【题名】

Using Diversities to Model the Reliability of Two-version Machine Learning Systems
（多様性を用いた2バージョン机械学习システムの信頼性のモデル化）

【掲载誌】

IEEE Transactions on Emerging Topics in Computing

【顿翱滨】

関连リンク