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。
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】