顕著性ガイド付きトレーニングによる深層学習の解釈可能性の改善
Improving Deep Learning Interpretability by Saliency Guided Training 顕著性手法は、モデル予測における重要な入力機能を強調するために広く使用されています。ほとんどの既存の方法は、修正された勾配関数でバックプロパゲーションを使用して顕著性マップを生成します。したがって、ノイズの多い勾配は、不忠実な機能の帰属をもたらす可能性があります。この論文では、この問題に取り組み、モデルの予測性能を維持しながら、予測で使用されるノイズの多い勾配を減らすためのニューラルネットワークの顕著性ガイド付きトレーニング手順を紹介します。私たちの顕著性ガイド付きトレーニング手順は、マスクされた入力とマスクされていない入力の両方のモデル出力の類似性を最大化しながら、小さくて潜在的にノイズの多い勾配で特徴を繰り返しマスクします。顕著性ガイド付きトレーニン
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2311.02552v1
色付き点群の重心距離キーポイント検出器
色付き点群の重心距離キーポイント検出器
形状分析への応用を伴う次元削減のためのネストされたグラスマン