Fugu-MT 論文翻訳(概要): Baseline Computation for Attribution Methods Based on Interpolated Inputs

論文の概要: Baseline Computation for Attribution Methods Based on Interpolated Inputs

arxiv url: http://arxiv.org/abs/2204.06120v1
Date: Wed, 13 Apr 2022 00:11:45 GMT
ステータス: 処理完了
システム内更新日: 2022-04-14 12:46:02.461341
Title: Baseline Computation for Attribution Methods Based on Interpolated Inputs
Title（参考訳）: 補間入力に基づく帰属手法のベースライン計算
Authors: Miguel Lerma, Mirtha Lucas
Abstract要約: 本稿では、ニューラルネットワークに2つの入力の間に補間された一連の入力を供給することにより、帰属する手法のよく振る舞うベースラインを見つける方法について論じる。そこで,本研究では,Riemann-Stieltjes Integrated Gradient-weighted Class Activation Mapping (RSI-Grad-CAM) の属性法を用いて実験を行った。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We discuss a way to find a well behaved baseline for attribution methods that work by feeding a neural network with a sequence of interpolated inputs between two given inputs. Then, we test it with our novel Riemann-Stieltjes Integrated Gradient-weighted Class Activation Mapping (RSI-Grad-CAM) attribution method.
Abstract（参考訳）: 本稿では,2つの入力間の補間入力列をニューラルネットワークに送付することにより,帰属法に対してよく振る舞うベースラインを求める手法について検討する。そこで,本論文は,Riemann-Stieltjes Integrated Gradient-weighted Class Activation Mapping (RSI-Grad-CAM) の帰属法を用いて検証した。

関連論文リスト

Calabi-Yau metrics through Grassmannian learning and Donaldson's algorithm [5.158605878911773]
K"ahlerメトリクスに対するリッチ平坦近似を得るための新しいアプローチを提案する。グラスマン多様体上の勾配降下を用いて、切断の効率的な部分空間を同定する。 3次元のDwork族にメソッドを実装し、モジュライ空間の異なる点における振る舞いについてコメントする。
論文参考訳（メタデータ） (2024-10-15T05:08:43Z)
Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。マルチモーダルデータに適した深層学習一クラス分類法を提案する。
論文参考訳（メタデータ） (2023-09-25T12:31:18Z)
Learning Dictionaries from Physical-Based Interpolation for Water Network Leak Localization [1.747820331822631]
本稿では,状態推定と学習に基づくリークローカライズ手法を提案する。提案手法は, 配水ネットワークにおける隣接ノードの油圧ヘッド間の相互接続の物理値を利用する。
論文参考訳（メタデータ） (2023-04-21T13:07:08Z)
Classified as unknown: A novel Bayesian neural network [0.0]
完全連結ニューラルネットワークのための効率の良いベイズ学習アルゴリズムを開発した。多層パーセプトロンから多層パーセプトロンへの二元分類のための単一パーセプトロンのアルゴリズムを一般化する。
論文参考訳（メタデータ） (2023-01-31T04:27:09Z)
Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文参考訳（メタデータ） (2022-06-06T14:26:34Z)
Boundary Attributions Provide Normal (Vector) Explanations [27.20904776964045]
境界属性(BA)はこの問題に対処するための新しい説明法である。 BAは、ターゲット入力に対する局所的な決定境界の正規ベクトルを計算する。ランダム化された平滑化ネットワークまたは堅牢に訓練されたネットワークのBAは、標準ネットワークよりも非境界アトリビューション方法にはるかに近い。
論文参考訳（メタデータ） (2021-03-20T22:36:39Z)
Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
異種データセットから学習した後続分布を融合する手法を提案する。我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
論文参考訳（メタデータ） (2020-07-13T03:27:45Z)
Tractable Approximate Gaussian Inference for Bayesian Neural Networks [1.933681537640272]
本稿では,ベイズニューラルネットワークにおける抽出可能な近似ガウス推定(TAGI)を実現するための解析手法を提案する。この手法はパラメータ数$n$に対して$mathcalO(n)$の計算複雑性を持ち、回帰および分類ベンチマークで実施されたテストは、同じネットワークアーキテクチャにおいて、勾配のバックプロパゲーションに依存する既存のメソッドのパフォーマンスと一致することを確認している。
論文参考訳（メタデータ） (2020-04-20T13:37:08Z)
DEPARA: Deep Attribution Graph for Deep Knowledge Transferability [91.06106524522237]
本稿では,PR-DNNから学んだ知識の伝達可能性を検討するために,DreP Attribution gRAph (DEPARA)を提案する。 DEPARAでは、ノードは入力に対応し、PR-DNNの出力に関してベクトル化された属性マップで表現される。 2つのPR-DNNの知識伝達性は、対応するDEPARAの類似性によって測定される。
論文参考訳（メタデータ） (2020-03-17T02:07:50Z)
Interpolation Technique to Speed Up Gradients Propagation in Neural ODEs [71.26657499537366]
本稿では,ニューラルネットワークモデルにおける勾配の効率的な近似法を提案する。我々は、分類、密度推定、推論近似タスクにおいて、ニューラルODEをトレーニングするリバースダイナミック手法と比較する。
論文参考訳（メタデータ） (2020-03-11T13:15:57Z)
Patch-level Neighborhood Interpolation: A General and Effective Graph-based Regularization Strategy [77.34280933613226]
我々は、ネットワークの計算において非局所的な表現を行うtextbfPatch-level Neighborhood Interpolation(Pani)と呼ばれる一般的な正規化器を提案する。提案手法は,異なる層にパッチレベルグラフを明示的に構築し,その近傍のパッチ特徴を線形に補間し,汎用的で効果的な正規化戦略として機能する。
論文参考訳（メタデータ） (2019-11-21T06:31:59Z)

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。