深度网络的几何化用于深度学习系统的可解释性
机器学习
2019-01-15 v2 人工智能
机器学习
摘要
如何理解深度学习系统仍是一个开放问题。本文提出答案可能在于深度网络的几何化。几何化是连接物理学、几何学、深度网络与量子计算的桥梁，并可能催生揭示物理世界规律的新方案。通过比较图像匹配与深度网络的几何结构，我们表明深度网络的几何化可用于理解现有深度学习系统，并可能有助于解决深度学习系统的可解释性问题。
引用
@article{arxiv.1901.02354,
title = {Geometrization of deep networks for the interpretability of deep learning systems},
author = {Xiao Dong and Ling Zhou},
journal= {arXiv preprint arXiv:1901.02354},
year = {2019}
}
备注
9 pages, draft version