一种精确计算前馈神经网络原像的解析方法
机器学习
2022-08-29 v4
摘要
神经网络是一种自动拟合过于复杂而难以手工描述的函数便捷方法。这种方法的缺点在于，它会构建一个黑箱，而无法理解其内部发生了什么。找到原像将有助于更好地理解此类神经网络为何以及如何给出这样的输出。由于大多数神经网络是非单射函数，通常不可能仅通过数值方法完全计算出原像。本研究的重点在于给出一种方法，用于精确计算任何具有线性或分段线性激活函数隐藏层的前馈神经网络的原像。与其他方法相比，该方法并非为单一输出返回唯一解，而是以解析方式返回整个精确的原像。
引用
@article{arxiv.2203.00438,
title = {An Analytical Approach to Compute the Exact Preimage of Feed-Forward Neural Networks},
author = {Théo Nancy and Vassili Maillet and Johann Barbier},
journal= {arXiv preprint arXiv:2203.00438},
year = {2022}
}