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(DNN)は,証明され不可欠の機械学習ツールになった。ブラックボックスモデルとして,モデルの入力のどの側面がDNNの決定を駆動するかを診断するのは難しい。無数の実世界ドメインでは,法律と法律の医療への強制から,そのような診断は,DNN決定がその使用の文脈で適切な側面によって駆動されることを確実にするのに不可欠である。DNNの決定の説明を可能にする方法および研究の開発は,このように,活発な,広い研究領域に bった。説明可能な深い学習を研究することを希望する実践者は,フィールドが取られた直交方向の過多によって刺激されるかもしれない。この複雑性は,DNNの行動を説明し,そして,説明するためのアプローチの「性を評価するために,それが何を意味するかの競合定義によってさらに悪化する。本論文では,フィールドで開始するものを狙った説明可能な深層学習の空間を探索するためのフィールドガイドを提供した。フィールドガイド:i)説明可能な深い学習に寄与する基礎方法の空間を定義する3つの単純な次元,ii)は,モデル説明のための評価,iii)他の関連する深い学習研究領域の文脈における説明可能性,およびiv)説明可能な深い学習に関するユーザ指向説明設計および潜在的将来方向について詳述する。ガイドを,この分野における研究に関して,それらのちょうど embみ出すための,容易な出発点として使うことを期待する。【JST・京大機械翻訳】
