地球科学における畳込みニューラルネットワークの応用に対する説明可能な人工知能法の忠実度の調査【JST・京大機械翻訳】

Mamalakis Antonios; Barnes Elizabeth A.; Ebert-Uphoff Imme

プレプリント

J-GLOBAL ID：202202217466872591 整理番号：22P0286019

地球科学における畳込みニューラルネットワークの応用に対する説明可能な人工知能法の忠実度の調査【JST・京大機械翻訳】

Investigating the fidelity of explainable artificial intelligence methods for applications of convolutional neural networks in geoscience

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 (3件)： , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年09月05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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

畳み込みニューラルネットワーク(CNN)は,非線形システム挙動を捉え,予測時空間的パターンを抽出する能力により,地球科学において最近大きな注目を集めている。しかし,それらのブラックボックスの性質と予測の説明可能性の重要性を考えると,説明可能な人工知能(XAI)の方法はCNN意思決定戦略を説明する手段として人気を得ている。ここでは,最も一般的なXAI法のいくつかの比較を確立し,地球科学的応用に対するCNN決定の説明における忠実度を調べた。著者らの目的は,これらの方法の理論的限界の認識を高め,最良の実践を導くための相対強度と弱点への洞察を得ることである。考察されたXAI法を理想属性ベンチマークに適用し,ネットワークの説明のグランドトルースが先験的に知られており,それらの性能を客観的に評価するのを助ける。第2に,気候関連予測設定にXAIを適用し,気候シミュレーションの毎日のスナップショットにおける大気河川の数を予測するために訓練されたCNNを説明する。著者らの結果から,XAI法(例えば,勾配シャッタリング,属性のサインを識別すること,ゼロ入力に対する無知性)の幾つかの重要な問題が,以前に著者らの分野で見落とされ,慎重に考慮されないならば,CNN意思決定戦略の歪んだ描像につながる可能性がある。著者らは,著者らの解析がXAI忠実度への更なる調査を動機づけ,地球科学におけるXAIの慎重な実装を助け,予測問題のためのCNNsと深い学習のさらなる開発につながるであろうことを想像する。【JST・京大機械翻訳】

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

人工知能

, , , , , , ,

前のページに戻る