一种用于连体神经网络的解释方法
机器学习
2019-11-19 v1 机器学习
摘要
提出了一种解释连体神经网络（Siamese neural network）的新方法。它采用以下主要思想。首先，将待解释的特征向量与在嵌入层（连体神经网络输出）计算出的对应类原型进行比较。该层中的重要特征被确定为与原型相同特征相近的特征。其次，以一种特殊方式训练自编码器以考虑连体网络的嵌入层，并将其解码器部分用于重建具有相应变化的输入数据。在知名数据集 MNIST 上的数值实验说明了所提出的方法。
引用
@article{arxiv.1911.07702,
title = {An explanation method for Siamese neural networks},
author = {Lev V. Utkin and Maxim S. Kovalev and Ernest M. Kasimov},
journal= {arXiv preprint arXiv:1911.07702},
year = {2019}
}
备注
International Scientific Conference Telecommunications, Computing and Control (TELECCON-2019)