T/CESA 1026-2018
人工智能 深度学习算法评估规范
Artificial intelligence—Assessment specification for deep learning algorithms
- 标准号
- T/CESA 1026-2018
- 发布
- 2018年
- 发布单位
- 中国团体标准
- 当前最新
- T/CESA 1026-2018
- 适用范围
- 本标准的主要借鉴国际标准DO-178C-2011 Software Consideration in Airborne Systems and Equipment Certification 的思想，针对算法的不同阶段定义了多个不同的目标来满足不同的等级，同时实现了面向深度学习算法可靠性指标体系的前向和后向追踪的理念，使得对算法研发过程的验证与评估变得更容易，从而达到评估可靠性的目标。 本标准结合人工智能深度学习算法的特点及传统的可靠性评估的体系及流程，制定了标准的内容，主要包括以下方面： 算法可靠性评估指标体系 基于深度学习算法可靠性的内外部影响考虑，结合用户实际的应用场景，本标准提出了一套深度学习算法的可靠性评估指标体系。指标体系包含7个一级指标和20个二级指标。 算法可靠性评估流程 依据深度学习算法可靠性评估指标体系，对深度学习算法开展可靠性评估工作。可靠性评估流程包括确定可靠性目标、选择评估指标、需求阶段的评估、设计阶段的评估、实现阶段的评估、运行的阶段评估及得出评估结论这七个阶段。 算法需求、设计、实现和运行阶段的前提条件、输入、关键活动及输出的内容 面向深度学习算法需求阶段的评估工作，指运用可靠性分析方法，通过对算法功能实现的正确性和软硬件平台依赖的影响等进行评估，以确定算法的需求满足可靠性目标要求。面向深度学习算法设计阶段的可靠性评估工作，指运用分析或评审等方法，对算法功能实现的正确性、训练数据集的影响及目标函数等进行评估，以确定算法设计满足可靠性目标要求。面向深度学习算法实现阶段的可靠性评估工作，指运用分析和测试等方法，对算法功能实现的正确性、代码实现的正确性、目标函数的影响及对抗性样本的影响等进行评估，以确定算法的实现满足可靠性目标要求。面向深度学习算法运行阶段的可靠性评估工作，指针对实际运行环境使用数据进行分析，对算法的正确性、软硬件平台的依赖影响和环境数据的影响等进行评估，以确定算法的运行满足可靠性目标要求。 深度学习算法可靠性评估指标选取规则 附录A给出了深度学习算法的可靠性评估指标的选取规则。针对不同级别的深度学习算法可靠性目标开展相关评估活动。 深度学习算法可靠性评估实施案例 附录B给出了人脸识别算法可靠性评估实施案例和行为检测算法可靠性评估实施案例。
T/CESA 1026-2018相似标准
推荐
人工智能再次战胜人类，人工智能强势闯入医疗界
在这项成人的糖尿病性视网膜眼底照片的评估中，基于深机器学习的算法对可疑糖尿病性视网膜病变检测时具有高灵敏度和特异性。 进一步的研究是必要的，这将确认此算法应用在临床中的可行性，并确定与目前的眼科评估相比是否使用该算法可以改善治疗和诊断结果。 总体来说，“人工智能＋医疗”，不是噱头，而是未来。一个让人期待的人工智能时代，正在快速到来！...
基于影像学的多种人工智能算法在肿瘤研究中的应用进展
按照算法模型结构的深度来划分，机器学习可以分为包含多隐层的深度学习及只含单隐层节点或无隐层节点的浅层学习，这两类算法各有其优势与局限。2006年Hinton等提出使用逐层贪婪预训练算法，解决了深度学习多隐层模型优化困难的问题，开启了深度学习发展的新纪元。 深度学习作为浅层学习的发展，有赖于近年来算法理论的突破、数据样本的扩增、以及强大的图像处理硬件设备。...
深度学习算法“解密”脑活动
英国《自然·医学》杂志9月25日在线发表的一项研究，报告了一种可以分析四肢瘫痪患者大脑活动的深度学习算法。该算法已被用于向患者的前臂肌肉传递电刺激，从而恢复瘫痪肢体的功能性运动。 慢性瘫痪患者的生活质量可以通过脑机接口加以改善。脑机接口可以将控制运动的中枢神经系统回路和辅助设备（例如计算机光标或机器人设备）连接起来。近来，脑机接口已被用于绕过脊髓损伤，通过直接的肌肉刺激来恢复瘫痪肢体的功能。...
科学家研发出基于人工智能的左心室肥厚检查方法
这项深度学习算法是一种快速、全自动的人工智能流程系统，在精细化、准确率、简易度方面超越了传统的人为评估方式，为实现左心室肥大的精确诊断及早期治疗奠定了基础。...