教師なしモデルのためのラベルフリー説明可能性【JST・京大機械翻訳】

Crabbe Jonathan; van der Schaar Mihaela

プレプリント

J-GLOBAL ID：202202205423931545 整理番号：22P0298578

教師なしモデルのためのラベルフリー説明可能性【JST・京大機械翻訳】

Label-Free Explainability for Unsupervised Models

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： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年06月09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)

教師なしブラックボックスモデルは解釈が困難である。実際,ほとんどの既存の説明可能な方法は,ブラックボックスの出力のどの成分(s)を解釈するかを選択するためのラベルを必要とする。ラベルがない場合,ブラックボックス出力は,しばしば,その成分が意味のある量に対応しない表現ベクトルである。したがって,ラベルフリー教師なし/自己監督設定で解釈するコンポーネント(s)の選択は,重要だが未解決の問題である。文献のこのギャップを埋めるために,著者らは,事後説明技術の2つの重要な拡張を紹介した。(1)ラベルフリー特徴重要度と(2)ラベルフリー例の重要性は,推論時間で表現を構築するためのブラックボックスに対して,それぞれ,影響力のある特徴と訓練例を強調する。著者らは,著者らの拡張が,多くの既存の特徴および例の重要性方法のまわりで単純なラッパーとしてうまく実装できることを示した。明確な教師なしタスクで訓練された様々なオートエンコーダによって学習された表現空間の定性的および定量的比較を通して,著者らの無標識説明可能性パラダイムの有用性を例示した。【JST・京大機械翻訳】

, ,
, , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る