積分勾配法の厳密な研究と内部ニューロン属性への拡張【JST・京大機械翻訳】

Lundstrom Daniel; Huang Tianjian; Razaviyayn Meisam

プレプリント

J-GLOBAL ID：202202220447442978 整理番号：22P0294524

積分勾配法の厳密な研究と内部ニューロン属性への拡張【JST・京大機械翻訳】

A Rigorous Study of Integrated Gradients Method and Extensions to Internal Neuron Attributions

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24日プレプリントサーバーでの情報更新日： 2022年06月29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)

深層学習(DL)の有効性が成長するので,貧弱なモデル説明可能性に関する懸念も成長している。属性方法は,モデル予測のための入力特徴の重要性を定量化することによって説明可能性の問題を扱う。様々な方法の中で,統合勾配(IG)集合自体は,他の方法を主張することによって,望ましいアキシムを満足させることができなかったが,一方,IGと方法は,一意的に言われているアキシムを満足した。本論文は,IGの基本的側面とその応用/拡張についてコメントした。1)IG関数空間と,IG一意性に関する以前の主張を問題化する支持文献関数空間の重要な違いを同定した。追加アキシム,非減少陽性の導入で,一意性請求が確立できることを示した。2)著者らは,IGが属性入力においてLipschitzでない機能クラスを同定することによって,入力感度の問題に取り組んだ。3)著者らは,単一ベースライン方法のための公理が,確率分布基準を有する方法のための類似特性を有することを示した。4)IG属性マップの特定領域に寄与する内部ニューロンを同定する計算効率の良い方法を紹介した。最後に,この方法を検証する実験結果を示した。【JST・京大機械翻訳】

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

人工知能 , データ保護

, , , , ,

前のページに戻る