畳込みニューラルネットワークのための情報理論的視覚解析フレームワーク【JST・京大機械翻訳】

Shen Jingyi; Shen Han-Wei

プレプリント

J-GLOBAL ID：202202203369206632 整理番号：22P0143295

畳込みニューラルネットワークのための情報理論的視覚解析フレームワーク【JST・京大機械翻訳】

An Information-theoretic Visual Analysis Framework for Convolutional Neural Networks

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02日プレプリントサーバーでの情報更新日： 2020年05月02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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

コンピュータビジョンと自然言語処理における畳込みニューラルネットワーク(CNN)の大きな成功にもかかわらず,CNNの背後にある作業機構は,まだ広範な議論と研究である。ニューラルネットワークの理論的説明に対する強い要求により,いくつかの研究者は,ブラックボックスモデルへの洞察を提供するために,情報理論を利用した。しかし,知識の最良に,ニューラルネットワークを定量的に分析,定性的に可視化するために情報理論を採用することは,可視化コミュニティにおいて広く研究されていない。本論文では,CNNがどのように動作するかに光を当てるために,情報エントロピーと可視化技術を組み合わせた。特に,CNNモデルから抽出できるデータを組織化するためのデータモデルを導入した。次に,異なる環境下でエントロピーを計算する2つの方法を提案した。情報理論的展望からCNN(例えば,畳み込み層,プール層,正規化層)の基本構成ブロックの基本的理解を提供するために,著者らは視覚解析システム,CNNSlicerを開発した。CNNSlicerは,ユーザがモデル内の情報変化量をインタラクティブに探索することを可能にする。広く使用されたベンチマークデータセット(MNISTとCIFAR-10)に関する事例研究によって,CNNのブラックボックスを開ける著者らのシステムの有効性を実証した。【JST・京大機械翻訳】

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

パターン認識

, , ,

前のページに戻る