AudioMNIST：在简单基准上探索音频分析的可解释人工智能
声音
2023-11-28 v3 人工智能
机器学习
音频与语音处理
摘要
可解释人工智能（XAI）旨在理解模型如何进行特征选择并得出其分类决策。本文探索了音频领域中深度神经网络的事后解释。值得注意的是，我们提出了一个新颖的开源音频数据集，包含 30,000 条英语口语数字的音频样本，用于口语数字和说话者生理性别的分类任务。我们使用流行的 XAI 技术逐层相关性传播（LRP）来识别处理数据波形或频谱图表示的两种神经网络架构的相关特征。基于从 LRP 获得的相关性分数，推导出关于神经网络特征选择的假设，并随后通过对输入数据的系统性操纵进行检验。此外，我们超越视觉解释，引入了可听热图。我们在人类用户研究中展示了可听解释相对于视觉解释的优越可解释性。
引用
@article{arxiv.1807.03418,
title = {AudioMNIST: Exploring Explainable Artificial Intelligence for Audio Analysis on a Simple Benchmark},
author = {Sören Becker and Johanna Vielhaben and Marcel Ackermann and Klaus-Robert Müller and Sebastian Lapuschkin and Wojciech Samek},
journal= {arXiv preprint arXiv:1807.03418},
year = {2023}
}
备注
10 pages, 5 figures, 1 table