MEME:モデル抽出によるRNNモデル説明の生成【JST・京大機械翻訳】

Kazhdan Dmitry; Dimanov Botty; Jamnik Mateja; Lio Pietro

プレプリント

J-GLOBAL ID：202202205559489749 整理番号：21P0067802

MEME:モデル抽出によるRNNモデル説明の生成【JST・京大機械翻訳】

MEME: Generating RNN Model Explanations via Model Extraction

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 (4件)： , , ,
資料名：
発行年： 2020年12月12日プレプリントサーバーでの情報更新日： 2020年12月12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)

リカレントニューラルネットワーク(RNN)は,一連のタスクに関して顕著な性能を達成した。さらに,RNNベースアプローチを電力化する重要なステップは,それらの説明可能性と解釈性を改善する。本研究では,MEME:人間-理解可能な概念とそれらの相互作用によって表される解釈可能なモデルでRNNを近似できるモデル抽出アプローチを提示した。MEMEが,2つの多変量,連続データ事例研究,すなわち,室内Occupation予測とIn-Hospital死亡率予測にどのように適用できるかを示した。これらのケーススタディを用いて,著者らの抽出モデルが,解釈可能な概念相互作用を介してRNN意思決定を近似することによって,ローカルおよびグローバルにRNNを解釈するためにどのように使用できるかを示した。【JST・京大機械翻訳】

, , , ,
, , 【Automatic Indexing@JST】

医用画像処理 , 大気汚染一般 , 細胞生理一般 , ニューロコンピュータ , 人間機械系

, ,

前のページに戻る