现代计算机2022，Vol.28Issue(21) ：80-81,103.DOI:10.3969/j.issn.1007-1423.2022.21.014

神经网络可解释性可视化方法研究

Research on Interpretable Visualization Methods of Neural Networks

于芝枝
现代计算机2022，Vol.28Issue(21) ：80-81,103.DOI:10.3969/j.issn.1007-1423.2022.21.014
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

神经网络可解释性可视化方法研究

Research on Interpretable Visualization Methods of Neural Networks

于芝枝1
扫码查看

作者信息

  • 1. 国家知识产权局专利局专利审查协作广东中心,广州 510535
  • 折叠

摘要

深度学习的发展,促使神经网络在现实各个领域得到广泛应用.神经网络可解释性的缺乏是的其在安全性、可靠性要求较高的行业没有得到实质性应用.可视化方法立足对神经网络结构、特征的诠释,是一种很好的神经网络解释性方法.依据神经网络结构、训练阶段,归纳可视化方法为:特征可视化、关系可视化和过程可视化.最后利用Grad-CAM方法举例了特征可视化,描述了其工作原理.

关键词

可解释性/深度学习/可视化

引用本文复制引用

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
参考文献量1
段落导航相关论文