基于尺度不变诊断方法探究深层神经网络动力学
神经与进化计算
2024-07-16 v1 人工智能
摘要
本文介绍了一种尺度无关的方法，运用「分形几何」来分析和解释复杂联结主义系统的非线性动力学。通过利用深层神经网络（Deep Neural Networks, DNNs）中的结构自相性，我们量化分形维数和「粗糙度」，以深入理解其动力学并提升「内在」解释的质量。我们的 метод将混沌理论的原理融入，以改进分形演化的可视化，并利用基于图的神经网络来重构网络拓扑。本策略旨在推进联结主义人工智能（Artificial Intelligence, AI）系统的「内在」可解释性。
引用
@article{arxiv.2407.09585,
title = {A Scale-Invariant Diagnostic Approach Towards Understanding Dynamics of Deep Neural Networks},
author = {Ambarish Moharil and Damian Tamburri and Indika Kumara and Willem-Jan Van Den Heuvel and Alireza Azarfar},
journal= {arXiv preprint arXiv:2407.09585},
year = {2024}
}