寻找关键环路
人工智能
2020-06-16 v1
摘要
用于理解模型行为的“关键环路（Loops that Matter）”方法（Schoenberg et. al, 2019）提供了度量指标，展示模型中反馈环路在每一时刻对行为的贡献。为提供这些度量，有必要找到用于计算它们的环路集合。我们在本文中展示了包含那些在仿真不同时刻重要的环路的必要性。这些重要环路彼此可能不独立，且无法由模型结构的静态分析确定。随后我们描述了一种算法，可用于在反馈过于丰富以致无法穷举发现环路模型中，发现最重要的环路。我们展示了该算法在寻找最具解释性环路方面的能力，以及其在大型模型上的计算性能。通过使用该方法，关键环路方法可应用于任何规模或复杂度的模型。
引用
@article{arxiv.2006.08425,
title = {Finding the Loops that Matter},
author = {Robert Eberlein and William Schoenberg},
journal= {arXiv preprint arXiv:2006.08425},
year = {2020}
}