从控制论与博弈论视角看快速傅里叶相关性：一种高效且精确的特征归因算法
机器学习
2025-07-16 v2
摘要
从傅里叶特征的角度研究神经网络引起了广泛关注。虽然现有的分析研究表明神经网络倾向于学习低频特征，但用于识别特定学习到的傅里叶特征的明确归因方法仍然难以捉摸。为了弥补这一差距，我们提出了一种基于信号分解理论的新型傅里叶特征归因方法。此外，我们分析了傅里叶与空间域特征的博弈论归因指标之间的差异，证明了博弈论评估指标更适合基于傅里叶的特征归因。我们的实验表明，与空间域归因方法相比，傅里叶特征归因表现出更优的特征选择能力。例如，对于 ImageNet 数据集上的 Vision Transformer（ViT），仅需 的傅里叶特征即可维持 样本的原始预测。此外，我们将该方法识别出的特征特异性与传统空间域归因方法进行了比较。结果表明，傅里叶特征表现出更大的类内聚集性和类间区分度，表明它们在更高效的分类和可解释 AI 算法方面具有潜力。
引用
@article{arxiv.2504.02016,
title = {Fast Fourier Correlation is a Highly Efficient and Accurate Feature Attribution Algorithm from the Perspective of Control Theory and Game Theory},
author = {Zechen Liu and Feiyang Zhang and Wei Song and Xiang Li and Wei Wei},
journal= {arXiv preprint arXiv:2504.02016},
year = {2025}
}
备注
13 pages, 2 figures