文献

J-GLOBAL ID：202002223968918102   整理番号：20A1584007

深さ学習の解釈的研究【JST・京大機械翻訳】

Research Advances in the Interpretability of Deep Learning

著者 (4件)： Cheng Keyang (江蘇大学計算机科学与通信工程学院 江蘇鎮江212013;社会安全風険感知与防控大数据応用国家工程実験室(中国電子科学研究院) 北京100041) ,  Wang Ning (江蘇大学計算机科学与通信工程学院 江蘇鎮江212013) ,  Shi Wenxi (社会安全風険感知与防控大数据応用国家工程実験室(中国電子科学研究院) 北京100041;新疆聯海創智信息科技有限公司 烏魯木斉830001) ,  Zhan Yongzhao (江蘇大学計算机科学与通信工程学院 江蘇鎮江212013)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 57  号： 6  ページ： 1208-1217  発行年： 2020年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 深さ学習の可説明性の研究は人工知能、機械学習、認知心理学、ロジック学などの多くの学科の交差研究課題であり、情報プッシュ、医療研究、金融、情報セキュリティなどの分野で重要な理論的研究意義と実際応用価値がある。深さ学習の可説明性研究の起源、研究探索期、モデル構築期の3つの方面から、深さ学習の解釈性研究の歴史を振り返り、可視化分析、ロバスト性の摂動分析、敏感性分析の3つの方面から、深さ学習の既存のモデルの可説明性分析研究の現状を表明し、モデルエージェント、ロジック推論、ネットワークノード相関分析、従来の機械学習モデル改善の4つの方面において、解釈可能な深さ学習モデルの構築研究を分析、同時に、当領域の研究に存在する不足について分析し、解釈可能な深さ学習の典型的な応用を示し、未来の可能な研究方向について展望した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習モデル ,  可視化 ,  *金融 ,  人工知能 ,  摂動 ,  ロバスト性 ,  エージェント ,  機械学習 ,  情報セキュリティ
準シソーラス用語： 敏感性 ,  相関分析 ,  認知心理学 ,  ネットワークノード , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (2件)： 学習 ,  研究