Fugu-MT 論文翻訳(概要): Riemannian Integrated Gradients: A Geometric View of Explainable AI

論文の概要: Riemannian Integrated Gradients: A Geometric View of Explainable AI

arxiv url: http://arxiv.org/abs/2503.00892v1
Date: Sun, 02 Mar 2025 13:32:28 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-05 19:14:22.379960
Title: Riemannian Integrated Gradients: A Geometric View of Explainable AI
Title（参考訳）: Riemannian Integrated Gradients: 説明可能なAIの幾何学的視点
Authors: Federico Costanza, Lachlan Simpson,
Abstract要約: RIG はリーマン多様体がユークリッド空間であるときに IG に制限されることを示す。特徴属性は、対称自己準同型の固有値に対応する固有値問題として表現できることを示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We introduce Riemannian Integrated Gradients (RIG); an extension of Integrated Gradients (IG) to Riemannian manifolds. We demonstrate that RIG restricts to IG when the Riemannian manifold is Euclidean space. We show that feature attribution can be phrased as an eigenvalue problem where attributions correspond to eigenvalues of a symmetric endomorphism.
Abstract（参考訳）: リーマン多様体への積分勾配(IG)の拡張であるリーマン積分勾配(RIG)を導入する。我々は、リーマン多様体がユークリッド空間であるときに RIG が IG に制限されることを実証する。特徴属性は、対称自己準同型の固有値に対応する固有値問題として表現できることを示す。

関連論文リスト

RMLR: Extending Multinomial Logistic Regression into General Geometries [64.16104856124029]
我々のフレームワークは、最小限の幾何学的性質しか必要とせず、広い適用性を示す。 SPD MLRの5つのファミリーを5種類のパワー変形測定値に基づいて開発する。回転行列上では、人気のある双不変計量に基づいてリー MLR を提案する。
論文参考訳（メタデータ） (2024-09-28T18:38:21Z)
Understanding Matrix Function Normalizations in Covariance Pooling through the Lens of Riemannian Geometry [63.694184882697435]
グローバル共分散プーリング(GCP)は、高レベルの表現の2階統計を利用して、ディープニューラルネットワーク(DNN)の性能を向上させることが実証されている。本稿では、リーマン幾何学の観点から行列対数とパワーの包括的かつ統一的な理解を提供する。
論文参考訳（メタデータ） (2024-07-15T07:11:44Z)
Manifold Integrated Gradients: Riemannian Geometry for Feature Attribution [8.107199775668942]
Integrated Gradients (IG)は、ブラックボックス深層学習モデルの一般的な特徴属性法である。我々は、IGに関連する2つの主要な課題に対処する。ノイズの多い特徴可視化の生成と、敵の帰属攻撃に対する脆弱性である。提案手法は,データ多様体の内在的幾何とより密接に関連し,経路に基づく特徴属性の適応を伴う。
論文参考訳（メタデータ） (2024-05-16T04:13:17Z)
Curvature-Independent Last-Iterate Convergence for Games on Riemannian Manifolds [77.4346324549323]
本研究では, 多様体の曲率に依存しないステップサイズが, 曲率非依存かつ直線的最終点収束率を達成することを示す。我々の知る限りでは、曲率非依存率や/または最終点収束の可能性はこれまでに検討されていない。
論文参考訳（メタデータ） (2023-06-29T01:20:44Z)
Riemannian Score-Based Generative Modeling [56.20669989459281]
経験的性能を示すスコアベース生成モデル(SGM)を紹介する。現在のSGMは、そのデータが平坦な幾何学を持つユークリッド多様体上で支えられているという前提を定めている。これにより、ロボット工学、地球科学、タンパク質モデリングの応用にこれらのモデルを使用することができない。
論文参考訳（メタデータ） (2022-02-06T11:57:39Z)
A singular Riemannian geometry approach to Deep Neural Networks I. Theoretical foundations [77.86290991564829]
ディープニューラルネットワークは、音声認識、機械翻訳、画像解析など、いくつかの科学領域で複雑な問題を解決するために広く使われている。我々は、リーマン計量を備えた列の最後の多様体で、多様体間の写像の特定の列を研究する。このようなシーケンスのマップの理論的性質について検討し、最終的に実践的な関心を持つニューラルネットワークの実装間のマップのケースに焦点を当てる。
論文参考訳（メタデータ） (2021-12-17T11:43:30Z)
Semi-Riemannian Graph Convolutional Networks [36.09315878397234]
まず、定数非零曲率の半リーマン多様体のデータをモデル化する原理付きセミリーマンGCNを開発する。本手法は,階層型グラフのような混合ヘテロジニアストポロジーをサイクルでモデル化するのに十分柔軟である幾何学的帰納バイアスを与える。
論文参考訳（メタデータ） (2021-06-06T14:23:34Z)
Nested Grassmannians for Dimensionality Reduction with Applications [7.106986689736826]
等質リーマン多様体のネスト列を構成するための新しい枠組みを提案する。我々は、提案されたフレームワークをグラスマン多様体に適用することに集中し、ネストしたグラスマン多様体(NG)を生み出した。具体的には、各平面(2D) 形状は複素グラスマン多様体である複素射影空間の点として表すことができる。提案したNG構造を用いて,教師付き次元減少問題と教師なし次元減少問題に対するアルゴリズムをそれぞれ開発する。
論文参考訳（メタデータ） (2020-10-27T20:09:12Z)
Disentangling by Subspace Diffusion [72.1895236605335]
データ多様体の完全教師なし分解は、多様体の真の計量が知られている場合、可能であることを示す。我々の研究は、教師なしメートル法学習が可能であるかどうかという問題を減らし、表現学習の幾何学的性質に関する統一的な洞察を提供する。
論文参考訳（メタデータ） (2020-06-23T13:33:19Z)

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。