論文の概要: A Survey of Neural Trees

• arxiv url: http://arxiv.org/abs/2209.03415v1
• Date: Wed, 7 Sep 2022 18:33:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-09 12:37:15.987694
• Title: A Survey of Neural Trees
• Title（参考訳）: ニューラルツリーの調査
• Authors: Haoling Li, Jie Song, Mengqi Xue, Haofei Zhang, Jingwen Ye, Lechao Cheng, Mingli Song
• Abstract要約: ニューラルネットワーク(NN)と決定木(DT)はどちらも、マシンラーニングの一般的なモデルである。 2つの世界を最大限に活用するために、NNとDTを明示的にあるいは暗黙的に統合する様々なアプローチが提案されている。 本調査は,NTの包括的レビューと,モデル解釈可能性の向上方法の検証を目的としている。
• 参考スコア（独自算出の注目度）: 34.073451014924345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural networks (NNs) and decision trees (DTs) are both popular models of machine learning, yet coming with mutually exclusive advantages and limitations. To bring the best of the two worlds, a variety of approaches are proposed to integrate NNs and DTs explicitly or implicitly. In this survey, these approaches are organized in a school which we term as neural trees (NTs). This survey aims to present a comprehensive review of NTs and attempts to identify how they enhance the model interpretability. We first propose a thorough taxonomy of NTs that expresses the gradual integration and co-evolution of NNs and DTs. Afterward, we analyze NTs in terms of their interpretability and performance, and suggest possible solutions to the remaining challenges. Finally, this survey concludes with a discussion about other considerations like conditional computation and promising directions towards this field. A list of papers reviewed in this survey, along with their corresponding codes, is available at: https://github.com/zju-vipa/awesome-neural-trees
• Abstract（参考訳）: ニューラルネットワーク(NN)と決定木(DT)はどちらも機械学習の一般的なモデルであるが、相互に排他的な優位性と制限がある。 2つの世界を最大限に活用するために、NNとDTを明示的にあるいは暗黙的に統合する様々なアプローチが提案されている。 本調査では,これらのアプローチをニューラルツリー(NT)と呼ぶ学校に編成する。 本調査は,NTの包括的レビューと,モデル解釈可能性の向上方法の検証を目的としている。 まず、NNとDTの漸進的な統合と共進化を表現するNTの完全な分類法を提案する。 その後、NTの解釈可能性と性能を解析し、残りの課題に対する解決策を提案する。 最後に、この調査は条件付き計算やこの分野への有望な方向など、他の考慮事項に関する議論で締めくくられる。 この調査でレビューされた論文と対応するコードのリストは、https://github.com/zju-vipa/awesome-neural-treesで見ることができる。

関連論文リスト

• On Neural Networks as Infinite Tree-Structured Probabilistic Graphical Models [44.676210493587256]
  本稿では,ニューラルネットワークに対応する無限木構造PGMを構築することにより,革新的な解を提案する。 我々の研究は、DNNが前方伝播中に、この代替のPGM構造において正確であるPGMの近似を実行することを明らかにした。
  論文  参考訳（メタデータ） (2023-05-27T21:32:28Z)
• Structural Neural Additive Models: Enhanced Interpretable Machine Learning [0.0]
  近年、この分野は、視覚的に解釈可能なニューラル・アダプティブ・モデル(NAM)のような、解釈可能なニューラルネットワークに向かって進んでいる。 特徴効果の可視化を超越したインテリジェンス指向のさらなるステップを提案し, 構造的ニューラル付加モデル(SNAM)を提案する。 古典的かつ明確に解釈可能な統計手法とニューラルネットワークの予測能力を組み合わせたモデリングフレームワーク。
  論文  参考訳（メタデータ） (2023-02-18T09:52:30Z)
• Explaining the Explainers in Graph Neural Networks: a Comparative Study [23.483694828580894]
  グラフニューラルネットワーク(GNN)は多くの科学・工学分野に広く応用されている。 近年、GNNの解説者が登場し始めており、多くの手法が他のドメインから導入されている。
  論文  参考訳（メタデータ） (2022-10-27T10:25:51Z)
• Recent Few-Shot Object Detection Algorithms: A Survey with Performance Comparison [54.357707168883024]
  Few-Shot Object Detection (FSOD)は、人間の学習能力を模倣する。 FSODは、学習した汎用オブジェクトの知識を共通のヘビーテールから新しいロングテールオブジェクトクラスにインテリジェントに転送する。 本稿では,問題定義,共通データセット,評価プロトコルなどを含むFSODの概要を紹介する。
  論文  参考訳（メタデータ） (2022-03-27T04:11:28Z)
• Concept Embedding Analysis: A Review [0.0]
  ディープニューラルネットワーク(DNN)は、人間のマシンシステムの安全性、セキュリティ、公正性に影響を与える可能性のある多くのアプリケーションに導入されている。 概念(埋め込み)分析(CA)の研究分野はこの問題に対処する。 この研究は、CAの一般的な定義とCAメソッドの分類を確立し、文学からいくつかのアイデアをまとめる。
  論文  参考訳（メタデータ） (2022-03-25T20:57:16Z)
• Neural Networks Enhancement with Logical Knowledge [83.9217787335878]
  関係データに対するKENNの拡張を提案する。 その結果、KENNは、存在関係データにおいても、基礎となるニューラルネットワークの性能を高めることができることがわかった。
  論文  参考訳（メタデータ） (2020-09-13T21:12:20Z)
• A Survey of Active Learning for Text Classification using Deep Neural Networks [1.2310316230437004]
  自然言語処理(NLP)とニューラルネットワーク(NN)はどちらも近年大きく変化している。 しかし、アクティブラーニング(AL)の目的のために、NNは、現在の人気にもかかわらず、あまり使われていない。
  論文  参考訳（メタデータ） (2020-08-17T12:53:20Z)
• Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey [77.99182201815763]
  ディープニューラルネットワーク(DNN)は多くの異なる問題設定において最先端の結果を達成する。 DNNはしばしばブラックボックスシステムとして扱われ、評価と検証が複雑になる。 コンピュータビジョンタスクにおける畳み込みニューラルネットワーク(CNN)の成功に触発された、有望な分野のひとつは、対称幾何学的変換に関する知識を取り入れることである。
  論文  参考訳（メタデータ） (2020-06-30T14:56:05Z)
• A Chain Graph Interpretation of Real-World Neural Networks [58.78692706974121]
  本稿では,NNを連鎖グラフ(CG)、フィードフォワードを近似推論手法として識別する別の解釈を提案する。 CG解釈は、確率的グラフィカルモデルのリッチな理論的枠組みの中で、各NNコンポーネントの性質を規定する。 我々は,CG解釈が様々なNN技術に対する新しい理論的支援と洞察を提供することを示す具体例を実例で示す。
  論文  参考訳（メタデータ） (2020-06-30T14:46:08Z)
• Neural Additive Models: Interpretable Machine Learning with Neural Nets [77.66871378302774]
  ディープニューラルネットワーク(DNN)は、さまざまなタスクにおいて優れたパフォーマンスを達成した強力なブラックボックス予測器である。 本稿では、DNNの表現性と一般化した加法モデルの固有知性を組み合わせたニューラル付加モデル(NAM)を提案する。 NAMは、ニューラルネットワークの線形結合を学び、それぞれが単一の入力機能に付随する。
  論文  参考訳（メタデータ） (2020-04-29T01:28:32Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。