論文の概要: An Investigation into Maintenance Support for Neural Networks

• arxiv url: http://arxiv.org/abs/2507.05245v1
• Date: Mon, 07 Jul 2025 17:53:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.555224
• Title: An Investigation into Maintenance Support for Neural Networks
• Title（参考訳）: ニューラルネットワークの保守支援に関する研究
• Authors: Fatema Tuz Zohra, Brittany Johnson,
• Abstract要約: ニューラルネットワークの維持における研究と実践の現状について検討する。 以上の結果から,既存のツールは主にモデルの構築とトレーニングに重点を置いていることが示唆された。 我々の研究は、現在のプラクティスが不足している部分について開発者中心の視点を提供することを目的としており、ニューラルネットワークのメンテナンスサポートを改善する機会を強調している。
• 参考スコア（独自算出の注目度）: 5.69361786082969
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the potential for neural networks to augment our daily lives grows, ensuring their quality through effective testing, debugging, and maintenance is essential. This is especially the case as we acknowledge the prospects of negative impacts from these technologies. Traditional software engineering methods, such as testing and debugging, have proven effective in maintaining software quality; however, they reveal significant research and practice gaps in maintaining neural networks. In particular, there is a limited understanding of how practitioners currently address challenges related to understanding and mitigating undesirable behaviors in neural networks. In our ongoing research, we explore the current state of research and practice in maintaining neural networks by curating insights from practitioners through a preliminary study involving interviews and supporting survey responses. Our findings thus far indicate that existing tools primarily concentrate on building and training models. While these tools can be beneficial, they often fall short of supporting practitioners' understanding and addressing the underlying causes of unexpected model behavior. By evaluating current procedures and identifying the limitations of traditional methodologies, our study aims to offer a developer-centric perspective on where current practices fall short and highlight opportunities for improving maintenance support in neural networks.
• Abstract（参考訳）: ニューラルネットワークが私たちの日常生活を増強する可能性が増えるにつれて、効率的なテスト、デバッグ、メンテナンスを通じて、彼らの品質を保証することが不可欠です。 これらの技術によるネガティブな影響の可能性を認識しているため、これは特にそうである。 テストやデバッギングといった従来のソフトウェアエンジニアリング手法は、ソフトウェアの品質を維持する上で有効であることが証明されているが、ニューラルネットワークを維持する上で重要な研究と実践のギャップが明らかになっている。 特に、現在の実践者がニューラルネットワークにおける望ましくない振る舞いを理解し緩和することに関連する課題にどう対処するかについて、限定的な理解がある。 本研究は,実践者からの洞察を収集し,インタビューや調査回答の支援を含む予備的な研究を通じて,ニューラルネットワークの維持における研究と実践の現状を探るものである。 以上の結果から,既存のツールは主にモデルの構築とトレーニングに重点を置いていることが示唆された。 これらのツールは有益であるが、実践者が予期せぬモデル行動の根本原因を理解し、対処することを支援するのに足りていないことが多い。 本研究は,現行の手順を評価し,従来の方法論の限界を特定することによって,現在のプラクティスが不足している部分に対する開発者中心の視点を提供し,ニューラルネットワークのメンテナンスサポートを改善する機会を強調することを目的とする。

関連論文リスト

• Explaining Deep Neural Networks by Leveraging Intrinsic Methods [0.9790236766474201]
  この論文はeXplainable AIの分野に貢献し、ディープニューラルネットワークの解釈可能性の向上に重点を置いている。 中心となる貢献は、これらのネットワークをより解釈しやすくすることを目的とした新しい技術の導入である。 第2に、この研究は、訓練された深層ニューラルネットワーク内のニューロンに関する新しい研究を掘り下げ、その活性化値に関連する見過ごされた現象に光を当てた。
  論文  参考訳（メタデータ） (2024-07-17T01:20:17Z)
• A Primer on Bayesian Neural Networks: Review and Debates [10.074350562162921]
  ベイズニューラルネットワーク(BNN)は、従来のニューラルネットワークの魅力的な拡張として登場した。 このプライマーは、ニューラルネットワークとベイズ推論の基本概念を体系的に紹介する。 対象者はベイズ的手法の潜在的な背景を持つ統計学者であるが、ディープラーニングの専門知識は欠如している。
  論文  参考訳（メタデータ） (2023-09-28T10:09:15Z)
• NCTV: Neural Clamping Toolkit and Visualization for Neural Network Calibration [66.22668336495175]
  ニューラルネットワークのキャリブレーションに対する考慮の欠如は、人間から信頼を得ることはないだろう。 我々はNeural Clamping Toolkitを紹介した。これは開発者が最先端のモデルに依存しないキャリブレーションモデルを採用するのを支援するために設計された最初のオープンソースフレームワークである。
  論文  参考訳（メタデータ） (2022-11-29T15:03:05Z)
• Critical Learning Periods for Multisensory Integration in Deep Networks [112.40005682521638]
  ニューラルネットワークが様々な情報源からの情報を統合する能力は、トレーニングの初期段階において、適切な相関した信号に晒されることに批判的になることを示す。 臨界周期は、訓練されたシステムとその学習された表現の最終性能を決定づける、複雑で不安定な初期過渡的ダイナミクスから生じることを示す。
  論文  参考訳（メタデータ） (2022-10-06T23:50:38Z)
• Spiking neural network for nonlinear regression [68.8204255655161]
  スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。 彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。 スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-06T13:04:45Z)
• Toward Transparent AI: A Survey on Interpreting the Inner Structures of Deep Neural Networks [8.445831718854153]
  インナー・インタープリタビリティ・ツールに焦点をあてて300を超える研究をレビューする。 そこで我々は,ネットワークのどの部分で説明できるかによって,メソッドを分類する分類法を提案する。 我々は、解釈可能性研究における現状は、主に非生産的であると論じる。
  論文  参考訳（メタデータ） (2022-07-27T01:59:13Z)
• Adversarial Robustness of Deep Neural Networks: A Survey from a Formal Verification Perspective [7.821877331499578]
  悪意ある操作を受けた入力を扱う場合、ニューラルネットワークの信頼性を懸念する敵対的堅牢性は、セキュリティと機械学習において最もホットなトピックの1つである。 我々は、ニューラルネットワークの対向的堅牢性検証における既存の文献を調査し、機械学習、セキュリティ、ソフトウェアエンジニアリングドメインにわたる39の多様な研究成果を収集する。 我々は、このトピックを包括的に理解するために、形式的検証の観点から分類を提供する。
  論文  参考訳（メタデータ） (2022-06-24T11:53:12Z)
• Searching for the Essence of Adversarial Perturbations [73.96215665913797]
  本稿では,ニューラルネットワークの誤予測の原因となる,人間の認識可能な情報を含む対人摂動について述べる。 この人間の認識可能な情報の概念は、敵の摂動に関連する重要な特徴を説明できる。
  論文  参考訳（メタデータ） (2022-05-30T18:04:57Z)
• Testing the Tools of Systems Neuroscience on Artificial Neural Networks [0.0]
  これらのツールは明示的にテストされるべきであり、人工知能(ANN)が彼らにとって適切なテスト基盤である、と私は主張する。 ANNを知覚から記憶、運動制御に至るまで、あらゆるもののモデルとして使用することは、人工ニューラルネットワークと生物学的ニューラルネットワークの粗い類似性に起因する。 ここでは、このテストを実行するためのロードマップと、ANNでテストするのに適したツールのリストを提供しています。
  論文  参考訳（メタデータ） (2022-02-14T20:55:26Z)
• Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
  スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。 スパイキングニューラルネットワークのハードウェア実装の現状について述べる。 本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
  論文  参考訳（メタデータ） (2020-05-04T13:24:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。