神经网络可解释性可视化方法研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：Research on Interpretable Visualization Methods of Neural Networks

作者：

于芝枝

展开 >

作者单位：

国家知识产权局专利局专利审查协作广东中心,广州 510535

关键词：

可解释性深度学习可视化

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.21.014