两种用于通用逼近的可解释神经网络实例
机器学习
2022-05-10 v2 人工智能
摘要
本文提出了两种自底向上的可解释神经网络（NN）构造以实现通用逼近，即三角构造神经网络（TNN）和半量化激活神经网络（SQANN）。其进一步显著特性包括：（1）抵抗灾难性遗忘；（2）存在任意高精度的证明；（3）通过可解释的激活“指纹”识别分布外样本的能力。
引用
@article{arxiv.2112.15026,
title = {Two Instances of Interpretable Neural Network for Universal Approximations},
author = {Erico Tjoa and Guan Cuntai},
journal= {arXiv preprint arXiv:2112.15026},
year = {2022}
}