C-SENN：对比自解释神经网络
计算机视觉与模式识别
2022-06-28 v2 人工智能
机器学习
摘要
在本研究中，我们使用一种学习无监督概念的自解释神经网络（SENN），来自动获取易于人类理解的概念。在概念学习中，隐藏层保留了与输出相关的可语言化特征，这在需要解释的现实世界环境（如自动驾驶场景）中至关重要。然而，众所周知，在一般设置下，SENN输出的概念可解释性会降低。因此，本研究将对比学习与概念学习相结合，以提高概念的可读性和任务的准确性。我们将此模型称为对比自解释神经网络（C-SENN）。
引用
@article{arxiv.2206.09575,
title = {C-SENN: Contrastive Self-Explaining Neural Network},
author = {Yoshihide Sawada and Keigo Nakamura},
journal= {arXiv preprint arXiv:2206.09575},
year = {2022}
}
备注
10 pages