Fugu-MT 論文翻訳(概要): Neither hype nor gloom do DNNs justice

論文の概要: Neither hype nor gloom do DNNs justice

arxiv url: http://arxiv.org/abs/2312.05355v1
Date: Fri, 8 Dec 2023 20:25:20 GMT
ステータス: 処理完了
システム内更新日: 2023-12-12 21:22:05.250552
Title: Neither hype nor gloom do DNNs justice
Title（参考訳）: 誇大宣伝もグルームもDNNの正義はなし
Authors: Felix A. Wichmann, Simon Kornblith, Robert Geirhos
Abstract要約: ディープニューラルネットワーク(DNN)に関する誇大宣伝は誇張されている。 DNNは急速に進化し、今日の制限は、しばしば明日の成功である。予測や画像計算可能性と同様に説明を提供するのはモデルデシダータである。
参考スコア（独自算出の注目度）: 31.96031313352068
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Neither the hype exemplified in some exaggerated claims about deep neural networks (DNNs), nor the gloom expressed by Bowers et al. do DNNs as models in vision science justice: DNNs rapidly evolve, and today's limitations are often tomorrow's successes. In addition, providing explanations as well as prediction and image-computability are model desiderata; one should not be favoured at the expense of the other.
Abstract（参考訳）: ディープニューラルネットワーク(DNN)に関する誇張された主張や、Bowers氏らがDNNを視覚科学の正義のモデルとして表現しているグルームには、その誇張が示されていない:DNNは急速に進化し、今日の制限は、しばしば明日の成功である。さらに、説明と予測と画像計算性を提供するのはモデルデシダータであり、一方は他方を犠牲にして好まざるを得ない。

関連論文リスト

NAS-BNN: Neural Architecture Search for Binary Neural Networks [55.058512316210056]
我々は、NAS-BNNと呼ばれる二元ニューラルネットワークのための新しいニューラルネットワーク探索手法を提案する。我々の発見したバイナリモデルファミリーは、20Mから2Mまでの幅広い操作(OP)において、以前のBNNよりも優れていた。さらに,対象検出タスクにおける探索されたBNNの転送可能性を検証するとともに,探索されたBNNを用いたバイナリ検出器は,MSデータセット上で31.6% mAP,370万 OPsなどの新たな最先端結果を得る。
論文参考訳（メタデータ） (2024-08-28T02:17:58Z)
ELEGANT: Certified Defense on the Fairness of Graph Neural Networks [94.10433608311604]
グラフニューラルネットワーク(GNN)は,グラフベースのタスクにおいて,目立ったグラフ学習モデルとして登場した。悪意のある攻撃者は、入力グラフデータに摂動を追加することで、予測の公平度を容易に損なうことができる。本稿では, ELEGANT というフレームワークを提案し, GNN の公正度レベルにおける認証防御の新たな課題について検討する。
論文参考訳（メタデータ） (2023-11-05T20:29:40Z)
Performance-optimized deep neural networks are evolving into worse models of inferotemporal visual cortex [8.45100792118802]
深部ニューラルネットワーク(DNN)の物体認識精度は,非時間的(IT)大脳皮質の自然画像に対する神経応答を予測する能力と相関することを示した。この結果から,高調波DNNは画像ネット精度とニューラル予測精度のトレードオフを断ち切ることが示唆された。
論文参考訳（メタデータ） (2023-06-06T15:34:45Z)
Are Deep Neural Networks Adequate Behavioural Models of Human Visual Perception? [8.370048099732573]
ディープニューラルネットワーク(Deep Neural Network, DNN)は、コンピュータビジョンに革命をもたらした機械学習アルゴリズムである。統計ツールと計算モデルとを区別することが重要であると論じる。我々は視覚科学においてDNNを取り巻く多くの神話を排除した。
論文参考訳（メタデータ） (2023-05-26T15:31:06Z)
Explainability and Robustness of Deep Visual Classification Models [14.975436239088312]
コンピュータビジョンコミュニティでは、畳み込みニューラルネットワーク(CNN)が標準的な視覚分類モデルとなっている。 CNNの代替として、Capsule Networks (CapsNets) と Vision Transformers (ViTs) が提案されている。 CapsNetsはCNNよりも誘導バイアスが大きいと考えられているが、ViTsはCNNよりも誘導バイアスが少ないと考えられている。
論文参考訳（メタデータ） (2023-01-03T20:23:43Z)
A Comprehensive Survey on Trustworthy Graph Neural Networks: Privacy, Robustness, Fairness, and Explainability [59.80140875337769]
グラフニューラルネットワーク(GNN)は近年,急速な発展を遂げている。 GNNは個人情報をリークしたり、敵対的攻撃に弱いり、トレーニングデータから社会的バイアスを継承したり、拡大したりすることができる。本稿では、プライバシー、堅牢性、公正性、説明可能性の計算面におけるGNNの包括的調査を行う。
論文参考訳（メタデータ） (2022-04-18T21:41:07Z)
Robustness of Bayesian Neural Networks to White-Box Adversarial Attacks [55.531896312724555]
ベイジアンネットワーク(BNN)は、ランダム性を組み込むことで、敵の攻撃を扱うのに頑丈で適している。我々はベイズ的推論(つまり変分ベイズ)をDenseNetアーキテクチャに融合させることで、BNN-DenseNetと呼ばれるBNNモデルを作成する。逆向きに訓練されたBNNは、ほとんどの実験で非ベイズ的で逆向きに訓練されたBNNよりも優れています。
論文参考訳（メタデータ） (2021-11-16T16:14:44Z)
Towards Fully Interpretable Deep Neural Networks: Are We There Yet? [17.88784870849724]
Deep Neural Networks(DNN)は、人工知能(AI)システムに対するユーザの信頼を妨げるブラックボックスとして振る舞う。本報告では,本質的な解釈可能性を持つDNNの開発手法について概説する。
論文参考訳（メタデータ） (2021-06-24T16:37:34Z)
HufuNet: Embedding the Left Piece as Watermark and Keeping the Right Piece for Ownership Verification in Deep Neural Networks [16.388046449021466]
深部ニューラルネットワーク(DNN)を透かしする新しいソリューションを提案する。 HufuNetは、モデル微調整/pruning、カーネルのカットオフ/補完、機能相当の攻撃、不正所有クレームに対して非常に堅牢です。
論文参考訳（メタデータ） (2021-03-25T06:55:22Z)
Attentive Graph Neural Networks for Few-Shot Learning [74.01069516079379]
グラフニューラルネットワーク(GNN)は、数ショットの学習タスクを含む多くの困難なアプリケーションにおいて、優れたパフォーマンスを示している。少数のサンプルからモデルを学習し、一般化する能力があるにもかかわらず、GNNは通常、モデルが深くなるにつれて、過度な過度な適合と過度なスムーシングに悩まされる。本稿では,三重注意機構を組み込むことにより,これらの課題に対処するための新しい注意型GNNを提案する。
論文参考訳（メタデータ） (2020-07-14T07:43:09Z)

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。