DEEL DEpendable & Explainable Learning

DEEL 值得信赖

• 批准号: 537462-2018
• 负责人: Marchand, Mario
• 金额: $ 34.42万
• 依托单位: Université Laval
• 依托单位国家: 加拿大
• 项目类别: Collaborative Research and Development Grants
• 财政年份: 2021
• 资助国家: 加拿大
• 起止时间: 2021-01-01 至 2022-12-31
• 项目状态: 已结题
• 来源: https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=720327
• 关键词: DEEL; DEpendable; Explainable; Learning

The application of machine learning (ML) to the complex problems of the aerospace industry, which has high standards of performance and security, needs to make the techniques robust, comprehensible, guaranteeing privacy and thus certifiable by the authorities. The DEEL project, as a result of an international collaboration between ITS Saint Exupéry in France, IVADO and CRIAQ in Canada, aims to take a first step towards the use of machine learning techniques for various problems of the Canadian aerospace industry through a multidisciplinary collaboration between several industry players and several Canadian universities with more than a dozen researchers and more than twenty graduate students and highly qualified professionals annually.The first theme deals with robustness and consists of developing ML methods that remain effective even in extreme situations not observed during design. To do this work, we rely on methods for measuring decision uncertainty, managing context changes, and methods that are robust to attack. The second theme deals with interpretability and involves developing methods that provide explanations to experts (designer, crew) to make the decisions or advice of the system understandable. The methods used in this theme are based on the notion of transparency of the learned model and on the notion of explicability of a given decision.The third theme deals with privacy by design and involves developing methods that ensure that the data used to design the ML model remains confidential and cannot be rebuilt from the results or operation of the system. The methods used in this theme are based on the controlled addition of noise in data and learning on encrypted data.These three themes aim to provide techniques to improve trust in the results of ML systems and to enable certifiability. The objective of this fourth theme is to develop ML certifiability techniques. We propose using methods and best practices of software engineering, such as tests and formal methods, to discover how to adapt them to ML.#(cr)#(lf)L'application de l'apprentissage automatique aux problèmes complexes de l'industrie aérospatiale, qui possède de hauts standards de performance et de sécurité, nécessite de rendre les techniques robustes, compréhensibles, garantes de la vie privée et ainsi, certifiables par les autorités. Le projet DEEL, issue d'une collaboration internationale entre l'ITS Saint Exupéry en France, l'IVADO et le CRIAQ au Canada, vise à faire un premier pas vers l'utilisation de l'apprentissage automatique par l'industrie aérospatiale canadienne via une collaboration multidisciplinaire entre plusieurs acteurs industriels et plusieurs universités canadiennes regroupant plus d'une dizaine de chercheurs et plus d'une vingtaine d'étudiants gradués et professionnels hautement qualifiés annuellement. Le premier thème traite de la robustesse et consiste à développer des méthodes qui restent efficaces même dans des situations extrêmes non observées pendant l'apprentissage. À cet effet, nous utilisons des mesures de l'incertitude des décisions, la gestion des changements de contextes et la robustesse aux attaques. Le deuxième thème traite de l'interprétabilité et consiste à développer des méthodes qui fournissent des explications à des experts pour leur permettre de comprendre les décisions ou les conseils du système. Les méthodes utilisées dans ce thème se basent sur la transparence du modèle et l'explicabilité d'une décision donnée. Le troisième thème traite de la vie privée par conception et consiste à développer des méthodes qui garantissent la confidentialité des données utilisées lors de l'apprentissage et lors de l'utilisation des résultats. Les méthodes utilisées dans ce thème se basent sur l'ajout contrôlé de bruit et l'utilisation de données chiffrées. Ces trois thèmes ont pour objectif d'améliorer la confiance dans les résultats des systèmes d'apprentissage automatique et de permettre la certificabilité. L'objectif de ce qua

机器学习（ML）在航空航天行业的复杂问题上的应用（具有较高的性能和安全标准）需要使技术强大，全面，保证隐私以及当局至关重要。 Deel项目是由于其在法国，Ivado和Criaq在加拿大举行的国际合作的结果，旨在通过第一步朝着使用机器学习技术来解决加拿大航空航天行业的各种问题的第一步，通过多个行业参与者之间的多学科合作与多个杂志的研究员以及二名研究员的多个专业人士，并与二十一位研究员进行交易，并与二十五岁的学生进行交易，并具有多大的研究。鲁棒性和由开发ML方法组成，即使在设计过程中未观察到的极端情况下，这些方法仍然有效。为了完成这项工作，我们依靠方法来衡量决策不确定性，管理上下文更改以及强大攻击的方法。第二个主题涉及可解释性，并涉及开发方法，这些方法为专家（设计师，机组人员）提供了解释，以使系统的决策或建议可以理解。该主题中使用的方法基于学习模型透明度的通知以及给定决定的明确通知的通知。第三个主题涉及设计通过设计涉及隐私，并涉及开发用于设计ML模型的数据的方法，以确保使用系统或操作的结果或操作。该主题中使用的方法基于数​​据中的噪声添加和对加密数据的学习。这三个主题旨在提供技术来提高对ML系统结果的信任并启用认证性。第四个主题的目的是开发ML认证能力。我们建议使用软件工程的方法和最佳实践，例如测试和正式方法，以发现如何使其适应ML。 Le projet DEEL, issue d'une collaboration internationale entre The Saint Exupéry en France, the CRIAQ au Canada, and the professions of the past are unpremiered, including the realization of the multidisciplinary and multidisciplinary entrepreneurs of the country, and the multidisciplinary entrepreneurs of the country, and the multidisciplinary entrepreneurs of the university, and the multidisciplinary大学的企业家，大学的跨学科企业家，大学的多学科企业家，大学的多学科企业家，大学的多学科企业家，以及大学的多学科企业家，以及多学科的跨学科企业，跨学科的跨学科和跨学科的企业家和群体群体和群体群体和乘以群体的企业群体和企业家。该大学，未发行。所维持的情况是有限的，这种情况仅限于该国的发展。这种情况仅限于四个季节的经历。建筑物基础的基础是共识。建筑物的基础是以共识的形式进行的共识。作案手法的幸存和透明度以及无可争议的共识的共识的基础也很重要。当然，世界基础基础基础的基础当然是一个问题。当今的目的是在Systèmes的信心中建立的浇注objectif中提出。 objectif应以蛇形系统的形式维护。