Fugu-MT 論文翻訳(概要): Explainability in CNN Models By Means of Z-Scores

論文の概要: Explainability in CNN Models By Means of Z-Scores

arxiv url: http://arxiv.org/abs/2102.05874v1
Date: Thu, 11 Feb 2021 07:22:38 GMT
ステータス: 処理完了
システム内更新日: 2021-02-12 22:11:47.310919
Title: Explainability in CNN Models By Means of Z-Scores
Title（参考訳）: ZスコアによるCNNモデルの説明可能性
Authors: David Malmgren-Hansen, Allan Aasbjerg Nielsen and Leif Toudal Pedersen
Abstract要約: 本稿では,Zスコアによる入力の重要性を説明するために,ニューラルネットワーク(NN)における出力層とロジスティック回帰の類似性について検討する。 SAR(Synthetic Aperture Radar)とMWR(Microwave Radiometry)データを融合するネットワークを,北極海氷の予測に応用した。
参考スコア（独自算出の注目度）: 4.726777092009554
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper explores the similarities of output layers in Neural Networks (NNs) with logistic regression to explain importance of inputs by Z-scores. The network analyzed, a network for fusion of Synthetic Aperture Radar (SAR) and Microwave Radiometry (MWR) data, is applied to prediction of arctic sea ice. With the analysis the importance of MWR relative to SAR is found to favor MWR components. Further, as the model represents image features at different scales, the relative importance of these are as well analyzed. The suggested methodology offers a simple and easy framework for analyzing output layer components and can reduce the number of components for further analysis with e.g. common NN visualization methods.
Abstract（参考訳）: 本稿では,Zスコアによる入力の重要性を説明するために,ニューラルネットワーク(NN)における出力層とロジスティック回帰の類似性を検討する。合成開口レーダ(sar)とマイクロ波放射計(mwr)データの融合ネットワークであるネットワーク解析を北極海氷の予測に適用した。解析により,SARに対するMWRの重要性がMWR成分に有利であることが判明した。さらに,モデルが画像の特徴を異なるスケールで表現するので,それらの相対的重要性もよく分析される。提案する手法は、出力層コンポーネントを解析するためのシンプルで簡単なフレームワークを提供し、さらに分析するためのコンポーネントの数を削減できる。一般的なNN可視化手法。

関連論文リスト

Steinmetz Neural Networks for Complex-Valued Data [23.80312814400945]
並列実値デッツワークと結合出力からなるDNNを用いて複素値データを処理する新しい手法を提案する。提案するアーキテクチャのクラスは、Steinmetz Neural Networksと呼ばれ、多視点学習を利用して、潜在空間内でより解釈可能な表現を構築する。提案手法は,これらのネットワークがベンチマーク・データセットや合成例で実現した改良性能と付加雑音を示す数値実験である。
論文参考訳（メタデータ） (2024-09-16T08:26:06Z)
Encoder-Decoder Neural Networks in Interpretation of X-ray Spectra [0.0]
シミュレーションX線分光データのエミュレーションと解釈におけるこのアーキテクチャの利用について検討する。 EDNNは対象変数の分散度でECAを上回り、物理用語で潜伏変数を解釈する際の複雑さも発見できる。
論文参考訳（メタデータ） (2024-06-20T07:08:07Z)
Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。提案手法は平均精度(MAP)を約45.7%向上させる。この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文参考訳（メタデータ） (2023-11-21T19:49:13Z)
Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。 GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
論文参考訳（メタデータ） (2023-02-06T16:38:43Z)
An Analysis of Complex-Valued CNNs for RF Data-Driven Wireless Device Classification [12.810432378755904]
最近のディープニューラルネットワークに基づくデバイス分類研究は、複素数値ニューラルネットワーク(CVNN)が実数値ニューラルネットワーク(RVNN)よりも高い分類精度が得られることを示している。本研究は、実際のLoRaおよびWiFi RFデータセットを用いて、この傾向についてより深く理解する。
論文参考訳（メタデータ） (2022-02-20T10:35:20Z)
RRNet: Relational Reasoning Network with Parallel Multi-scale Attention for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文参考訳（メタデータ） (2021-10-27T07:18:32Z)
ADMM-DAD net: a deep unfolding network for analysis compressed sensing [20.88999913266683]
圧縮センシング解析のためのADMMアルゴリズムに基づく新しい深部展開ニューラルネットワークを提案する。提案するネットワークは、スパーシフィケーションのための冗長解析演算子を共同で学習し、関心のシグナルを再構成する。
論文参考訳（メタデータ） (2021-10-13T18:56:59Z)
Discovering "Semantics" in Super-Resolution Networks [54.45509260681529]
超解像(SR)は低レベルの視覚領域の基本的で代表的な課題である。一般に、SRネットワークから抽出された特徴は特定の意味情報を持たないと考えられている。 SRネットワークで「セマンティック」を見つけることはできますか?
論文参考訳（メタデータ） (2021-08-01T09:12:44Z)
SI-Score: An image dataset for fine-grained analysis of robustness to object location, rotation and size [95.00667357120442]
オブジェクトの位置、回転、サイズを変えることは、非自明な方法で予測に影響を与える可能性がある。合成データセットであるSI-Scoreを用いて,これらの変動要因に対するロバストネスのきめ細かい解析を行う。
論文参考訳（メタデータ） (2021-04-09T05:00:49Z)
PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
論文参考訳（メタデータ） (2021-03-17T08:28:30Z)
Spatial noise-aware temperature retrieval from infrared sounder data [14.131127382785973]
本稿では,赤外線観測機から大気プロファイルを検索するための統合戦略を提案する。このアプローチは空間情報とノイズ依存次元化アプローチを考察する。主成分分析 (PCA) と最小雑音分解 (MNF) を比較し, 抽出した特徴量のコンパクト性と情報量について検討した。
論文参考訳（メタデータ） (2020-12-09T08:18:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。