抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】