学習済みディープニューラルネットワークモデルの権利保護に関する研究
学習済みディープニューラルネットワーク(DNN)モデルの権利保護のために、電子透かしをモデル内へ埋め込む技術が注目されている。本研究では、画像分類型DNNモデルを対象とし、その内部パラメータは観測できず、入力画像と出力ラベル値のみが観測できる場合でも、そのDNNモデルを学習させた著作権者の情報を視覚的に取り出すことを実現する。
幅広い産業でビッグデータの活用が進んでいるが,予測・診断・制御・意思決定の精度向上に際してモデルの重要性が近年ますます高まっている.データエンジニアリングのひとつの分野として,システム同定法によるデータ駆動モデリングについて紹介する.具体例として,MOESP型閉ループ部分空間同定法(CL-MOESP)によるドローンの閉ループ同定と,得られた同定モデルを利用した最適制御器設計の事例研究を紹介する.
論文
「An Experiment on Closed-loop System Identification of UAV Using Dual-rate Sampling」(2018)『IFAC-PapersOnLine』51(15)p.598-603.
「Closed-Loop Identification for a Continuous-Time Model of a Multivariable Dual-Rate System with Input Fast Sampling」(2018)『IFAC-PapersOnLine』51(2)p.415-420.
「MOESP-type closed-loop subspace model identification method」(2006)『計測自動制御学会論文集』42(6)p.636-642.
研究シーズ・教員に対しての問合せや相談事項はこちら
技術相談申込フォーム