変分オートエンコーダを用いた解釈可能な予測のための証明可能な概念学習【JST・京大機械翻訳】

Taeb Armeen; Ruggeri Nicolo; Schnuck Carina; Yang Fanny

プレプリント

J-GLOBAL ID：202202212096826399 整理番号：22P0323989

変分オートエンコーダを用いた解釈可能な予測のための証明可能な概念学習【JST・京大機械翻訳】

Provable concept learning for interpretable predictions using variational autoencoders

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： 2022年04月01日プレプリントサーバーでの情報更新日： 2022年07月22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)

安全クリティカルアプリケーションでは,解釈可能な説明が利用できないとき,実務者はニューラルネットワークを信用する。そのような説明を提供する多くの試みは,ピクセルベースの属性または以前に知られている概念の使用のまわりに再進化する。本論文では,高レベル,以前に未知の地上トラス概念の証明により,説明の提供を目的とする。この目的のために,簡単な分類器の予測子として視覚的に解釈可能な概念を用いる,(C)認知(L)学習と(P)redication(CLAP)-(VAEベース分類器)を導出する確率的モデリングフレームワークを提案した。グラウンドトルース概念に対する生成モデルを仮定して,CLAPが最適分類精度を達成しながらそれらを同定できることを証明した。合成データセットに関する著者らの実験は,CLAPが合成データセットに関する明確な地上-troth概念を同定し,医学胸部X線データセットに関する有望な結果をもたらすことを検証した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る