注意ボトルネック:解釈可能なディープドライブネットワークに向けて【JST・京大機械翻訳】

Kim Jinkyu; Bansal Mayank

プレプリント

J-GLOBAL ID：202202202257884437 整理番号：22P0144990

注意ボトルネック:解釈可能なディープドライブネットワークに向けて【JST・京大機械翻訳】

Attentional Bottleneck: Towards an Interpretable Deep Driving Network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年05月08日プレプリントサーバーでの情報更新日： 2020年05月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深層ニューラルネットワークは,自己駆動車のための行動予測と運動発生の鍵となる構成要素である。それらの主な欠点の一つは,透明性の欠如である:それらは,ある行動の引き金を引くための根拠を説明するのが容易である。透明性を改善する目的で,注意Bottleneckと呼ばれるアーキテクチャを提案した。重要なアイデアは視覚注意を結合することであり,それは入力のどの側面が,重要な入力の側面だけを使用できる情報ボトルネックを用いて,入力のどの側面が用いられるかを識別することである。これは,スパースで解釈可能な注意マップ(例えば,情景における特定の車両のみに焦点を当てた)を提供するだけでなく,精度をモデリングするために,この透明性を追加しない。事実,Chauffurnetモデルに注意Bottleneckを適用した場合,精度の僅かな改善を見出し,一方,精度が従来の視覚注意モデルで悪化することを見出した。【JST・京大機械翻訳】

, , ,
, , , , 【Automatic Indexing@JST】

脳・神経系モデル

前のページに戻る