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。
概念発見は,非深層学習専門家とモデルエンドユーザ間のギャップを橋渡しするために重要である解釈性文献における未解決問題の1つである。現在の定式化の中で,概念は学習された表現空間における方向としてそれらを定義する。この定義は,特定の概念が関心のクラスに対する分類決定に大きく影響するかどうかの評価を可能にする。しかし,表現空間が高次元で,ナビゲートにハードであるので,関連概念を見つけることは tedious雑である。現在の手法は手作業概念データセットを含み,次にそれらを潜在空間方向に変換する。代わりに,プロセスは潜在空間をクラスタ化することによって自動化できる。本研究では,意味のある概念のユーザ発見,複数の仮説試験に基づく1つ,および対話型可視化に関する別の2つのアプローチを提供する。著者らは,シミュレーション実験と実際のデータに対するデモ視覚インタフェイスを通して,これらのアプローチの潜在的価値と限界を探究した。全体として,これらの技法は,ユーザがそれらに関する事前定義記述をしないが,プロセスを完全に自動化しない設定において,関連する概念を発見するための有望な戦略を提供することを見出した。【JST・京大機械翻訳】