論文の概要: Interpreting Deep Neural Networks with the Package innsight
- arxiv url: http://arxiv.org/abs/2306.10822v1
- Date: Mon, 19 Jun 2023 10:12:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 18:17:50.584502
- Title: Interpreting Deep Neural Networks with the Package innsight
- Title（参考訳）: パッケージinnsightを用いた深層ニューラルネットワークの解釈
- Authors: Niklas Koenen, Marvin N. Wright
- Abstract要約: innsightは一般的に、ニューラルネットワークのための機能属性メソッドを実装する最初のRパッケージである。
ディープラーニングライブラリとは独立して動作し、任意のRパッケージからモデルの解釈を可能にする。
Innsightは、トーチパッケージの高速かつ効率的な配列計算から内部的に恩恵を受ける。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The R package innsight offers a general toolbox for revealing variable-wise
interpretations of deep neural networks' predictions with so-called feature
attribution methods. Aside from the unified and user-friendly framework, the
package stands out in three ways: It is generally the first R package
implementing feature attribution methods for neural networks. Secondly, it
operates independently of the deep learning library allowing the interpretation
of models from any R package, including keras, torch, neuralnet, and even
custom models. Despite its flexibility, innsight benefits internally from the
torch package's fast and efficient array calculations, which builds on LibTorch
$-$ PyTorch's C++ backend $-$ without a Python dependency. Finally, it offers a
variety of visualization tools for tabular, signal, image data or a combination
of these. Additionally, the plots can be rendered interactively using the
plotly package.
- Abstract（参考訳）: RパッケージInnsightは、ディープニューラルネットワークの予測を、いわゆるフィーチャー属性メソッドで可変的に解釈する一般的なツールボックスを提供する。
統一的でユーザフレンドリなフレームワークとは別に、このパッケージは3つの点で際立っている。 一般的に、ニューラルネットワークのための機能属性メソッドを実装する最初のRパッケージである。
第二に、ディープラーニングライブラリとは独立して、keras、torch、Neuralnet、さらにはカスタムモデルを含む、任意のRパッケージからモデルの解釈を可能にする。
その柔軟性にもかかわらず、innsightはtorchパッケージの高速かつ効率的な配列計算から内部的に恩恵を受け、libtorch $-$ pytorchのc++バックエンド$-$をpython依存なしで構築する。
最後に、表、信号、画像データ、あるいはこれらの組み合わせのための様々な視覚化ツールを提供する。
さらにプロットをプロットパッケージを使ってインタラクティブにレンダリングすることもできる。
関連論文リスト
- Comgra: A Tool for Analyzing and Debugging Neural Networks [35.89730807984949]
PyTorchで使用するオープンソースのpythonライブラリであるcomgraを紹介します。
Comgraはモデルの内部アクティベーションに関するデータを抽出し、GUIで整理する。
要約統計と個々のデータポイントの両方を示し、トレーニングの初期段階と後期を比較し、関心のある個々のサンプルに注目し、ネットワークを通しての勾配の流れを可視化する。
論文 参考訳（メタデータ） (2024-07-31T14:57:23Z) - nn2poly: An R Package for Converting Neural Networks into Interpretable Polynomials [1.86413150130483]
nn2polyパッケージは、ニューラルネットワークの説明と解釈を行うNN2メソッドのRの実装を提供する。
このパッケージは、Rの主要なディープラーニングフレームワークパッケージとの統合を提供する。
他のニューラルネットワークパッケージも、その重みをリスト形式に含めることで使用できる。
論文 参考訳（メタデータ） (2024-06-03T17:59:30Z) - pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - PyPOTS: A Python Toolbox for Data Mining on Partially-Observed Time
Series [0.0]
PyPOTSは、部分的に保存された時系列のデータマイニングと分析に特化した、オープンソースのPythonライブラリである。
これは、計算、分類、クラスタリング、予測の4つのタスクに分類される多様なアルゴリズムに容易にアクセスできる。
論文 参考訳（メタデータ） (2023-05-30T07:57:05Z) - cito: An R package for training neural networks using torch [0.0]
citoは、ディープラーニング(DL)アプリケーションのためのユーザフレンドリーなRパッケージである。
多くのRパッケージで使われている慣れ親しんだ式構文でDNNを指定することができる。
「シトー」には、モデルプロットと分析のための多くのユーザフレンドリーな機能が含まれている。
論文 参考訳（メタデータ） (2023-03-16T18:54:20Z) - DADApy: Distance-based Analysis of DAta-manifolds in Python [51.37841707191944]
DADApyは、高次元データの分析と特徴付けのためのピソンソフトウェアパッケージである。
固有次元と確率密度を推定し、密度に基づくクラスタリングを行い、異なる距離メトリクスを比較する方法を提供する。
論文 参考訳（メタデータ） (2022-05-04T08:41:59Z) - Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。
NetworKitを使ってクラウドベースの環境を構築しています。
このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文 参考訳（メタデータ） (2022-03-02T17:41:45Z) - FuncNN: An R Package to Fit Deep Neural Networks Using Generalized Input
Spaces [0.0]
関数型ニューラルネットワーク(FuncNN)ライブラリは、あらゆるプログラミング言語で最初のパッケージである。
本稿では,モデルの構築や予測,クロスバリデーションの実行を容易にする機能を紹介する。
論文 参考訳（メタデータ） (2020-09-18T22:32:29Z) - Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。
このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。
分類モデルと非分類モデルの両方に使用できる。
論文 参考訳（メタデータ） (2020-09-16T18:57:57Z) - Picasso: A Sparse Learning Library for High Dimensional Data Analysis in
R and Python [77.33905890197269]
本稿では,様々なスパース学習問題に対して,経路座標を統一的に最適化する新しいライブラリについて述べる。
ライブラリはR++でコード化されており、ユーザフレンドリーなスパース実験を行っている。
論文 参考訳（メタデータ） (2020-06-27T02:39:24Z) - MOGPTK: The Multi-Output Gaussian Process Toolkit [71.08576457371433]
ガウス過程(GP)を用いたマルチチャネルデータモデリングのためのPythonパッケージMOGPTKを提案する。
このツールキットの目的は、研究者、データサイエンティスト、実践者にもMOGP(multi-output GP)モデルを利用できるようにすることである。
論文 参考訳（メタデータ） (2020-02-09T23:34:49Z)
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。