深度学习中的可视化分析：面向下一前沿的探询式综述

深度学习近期因其在以往被认为困难的问题上达到最先进的性能而快速发展并受到广泛关注。然而，由于深度神经网络内部结构的复杂性与非线性，这些模型取得如此性能背后的决策过程难以解释，有时甚至令人困惑。随着深度学习在各领域的传播，为用户提供工具以理解模型何时正确工作、何时失败以及如何最终提升其性能至关重要。构建神经网络的标准化工具包促进了深度学习的普及；可视化分析系统现已被开发用于支持模型解释、解读、调试与改进。我们呈现一篇关于可视化分析在深度学习研究中作用的综述，其突出了短暂却有影响的历史，并使用以人为中心的探询框架（聚焦于五个 W 与一个 H，即 Why、Who、What、How、When 与 Where）系统总结了最先进的技术。我们最后强调了研究方向与开放研究问题。本综述帮助可视化分析与深度学习两领域的研究人员及从业者快速了解这一年轻且快速增长的研究体系的关键方面，其影响横跨多种不同领域。