ハードウェア瞬時故障の深層ニューラルネットワークへの顕著な影響が確認されており、特に自動運転車、医療および宇宙航空アプリケーションにおいて、その安全性上の重要な誤分類率が最大4倍増加する可能性があることが示されています。ただし、正確な故障注入方法を使用して不正確性を評価することは非常に時間がかかり、完全なシミュレーションプラットフォームでは数時間、あるいは数日かかることがあります。深層ニューラルネットワーク上のハードウェア瞬時故障を迅速に評価するために、静かなデータ損失率と静的な2段階の平均計算メカニズムを利用して、A-Meanという統一されたエンドツーエンドの自動化手法が設計されました。その後、静的な安全性上の重要な誤分類結果を非順序構造を持つ深層ニューラルネットワーク内の静的なデータ損失境界として決定する最大戦略が採用されます。次に、静的な安全性上の重要な誤分類結果は一回の動的な無故障実行の元のデータと併合され、最悪のケースシナリオを適用して瞬時故障による増大した安全性上の重要な誤分類と減少した正確性を計算します。また、上記のすべての手順は自動化されており、使用しやすい自動化ツールが複数の深層ニューラルネットワーク上の瞬時故障を迅速に評価するために使用できるようにされています。

分析モデル; 深層ニューラルネットワーク; ハードウェア瞬時故障; 迅速な評価; 自動化評価ツール