展开所有 ReLU 网络
机器学习
2023-05-17 v1
摘要
深度 ReLU 网络可分解为一组线性模型，每个模型定义于输入空间划分的一个区域内。本文给出扩展该理论的三个结果。首先，我们将这种线性分解推广至图神经网络、张量卷积网络以及具有乘法交互的网络。其次，我们证明神经网络可被理解为可解释模型，如多元决策树与逻辑理论。最后，我们展示该模型如何用于计算廉价且精确的 SHAP 值。我们通过图神经网络上的实验验证了该理论。
引用
@article{arxiv.2305.09424,
title = {Unwrapping All ReLU Networks},
author = {Mattia Jacopo Villani and Peter McBurney},
journal= {arXiv preprint arXiv:2305.09424},
year = {2023}
}