NeuroView-RNN:時間について【JST・京大機械翻訳】

Barberan CJ; Alemohammad Sina; Liu Naiming; Balestriero Randall; Baraniuk Richard G.

プレプリント

J-GLOBAL ID：202202216817235686 整理番号：22P0294423

NeuroView-RNN:時間について【JST・京大機械翻訳】

NeuroView-RNN: It's About Time

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 (5件)： , , , ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2022年02月23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)は時系列やビデオのような逐次データを処理するための重要なツールである。インタプリタビリティは,人によって理解される能力として定義され,説明可能性とは異なっており,数学的定式化で説明される能力である。RNNによる重要な解釈可能性問題は,時間ステップごとに各隠れ状態が定量的方法で意思決定プロセスに寄与するかは明確でないことである。意思決定プロセスにすべての時間ステップがどのように使用されるかを説明する新しいRNNアーキテクチャのファミリーとしてNeuroView-RNNを提案した。家族の各メンバーは,隠れステップの大域的線形分類器への連結により標準RNNアーキテクチャから導出される。大域的線形分類器は入力としてすべての隠れ状態を持つので,分類器の重みは隠れ状態に対して線形写像を持つ。したがって,重みから,NeuroView-RNNは重要な各時間ステップが特定の決定にいかに重要であるかを定量化できる。ボヌスとして,NeuroView-RNNは,RNNとそれらの変異体と比較して,多くの場合,より高い精度を提供する。多数の多様な時系列データセットを評価することによりNeuroView-RNNの利点を示した。【JST・京大機械翻訳】

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

人工知能 , ニューロコンピュータ , パターン認識

前のページに戻る