SMILE II - Säkerhetsanalys och verifiering/validering av system baserade på maskininlärning

Diarienummer 2017-03066
Koordinator RISE Research Institutes of Sweden AB - RISE VIKTORIA AB - Göteborg
Bidrag från Vinnova 4 722 500 kronor
Projektets löptid oktober 2017 - september 2019
Status Pågående
Utlysning Maskininlärning - FFI
Ansökningsomgång Maskininlärning för fordonsindustrin - FFI

Syfte och mål

Projektet ska ge ökad förståelse kring metoder som kan användas för verifiering och validering av deep machine learning-baserade system inom säkerhetskritiska tillämpningar. Följande forskningsfrågor har identifierats under SMILE I-projektet och kommer studeras inom SMILE II: Hur kan modellprestanda övervakas när modeller del-tränas med olika dataset? Hur kan ny data användas för att uppdatera modeller och samtidigt bibehålla säkerhet? Hur kan en säkerhetsbur designas för att monitorera insignaler till modellen som används i ett säkerhetskritiskt system?

Förväntade effekter och resultat

Domänspecifik kunskap om deep machine learning i kombination med funktionssäkerhet Samverkan mellan forskningsinstitut, SME, OEM och akademi Demonstrator av den utvecklade lösningen till ASIL dekomposition (säkerhetsbur, modellering och livslångt maskinellt lärande)

Planerat upplägg och genomförande

Fokus i SMILE II är att verifiera att indata från omgivningssensorer är representativa för Deep Machine Learning (DML) modellen, för att försäkra sig om att modellen endast agerar på data som kommer från samma fördelning som användes då modellen tränades. Projektet är organiserat i fyra arbetspaket, DML modellering, Safety cage design, demonstrator och projektledning och resultatspridning.

Externa länkar

SMILE II Project web page at RISE Viktoria

Texten på denna sida har projektgruppen själv formulerat och innehållet är ej granskat av våra redaktörer.