A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Knowledge Discovery from Layered Neural Networks Based on Non-negative Task Matrix Decomposition Descoberta de conhecimento de redes neurais em camadas com base na decomposição de matrizes de tarefas não negativas

Chihiro WATANABE, Kaoru HIRAMATSU, Kunio KASHINO

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A interpretabilidade tornou-se uma questão importante no campo do aprendizado de máquina, juntamente com o sucesso das redes neurais em camadas em diversas tarefas práticas. Como uma rede neural em camadas treinada consiste em um relacionamento não linear complexo entre um grande número de parâmetros, não conseguimos entender como eles poderiam obter mapeamentos de entrada-saída com um determinado conjunto de dados. Neste artigo, propomos o método de decomposição de matrizes de tarefas não negativas, que aplica a fatoração de matrizes não negativas a uma rede neural em camadas treinada. Isso nos permite decompor o mecanismo de inferência de uma rede neural em camadas treinada em múltiplas tarefas principais de mapeamento de entrada-saída e revelar os papéis das unidades ocultas em termos de sua contribuição para cada tarefa principal.

Publicação
IEICE TRANSACTIONS on Information Vol.E103-D No.2 pp.390-397
Data de publicação
2020/02/01
Publicitada
2019/10/23
ISSN online
1745-1361
DOI
10.1587/transinf.2019EDP7136
Tipo de Manuscrito
PAPER
Categoria
Inteligência Artificial, Mineração de Dados

autores

Chihiro WATANABE
  NTT Communication Science Laboratories
Kaoru HIRAMATSU
  NTT Geospace Corporation, NEXTSITE Asakusa Building
Kunio KASHINO
  NTT Communication Science Laboratories

Palavra-chave