Interpretation methods for neural networks

Sidorov, L.S.

Автор: Sidorov L.S.
Сборник: СНК-2023 : материалы LXXIII открытой международной студенческой научной конференции Московского Политеха
Год издания: 2023
Место издания: федеральное государственное автономное образовательное учреждение высшего образования Московский политехнический университет Москва
Первая страница: 29
Последняя страница: 34
Аннотация: The deep neural network success story commenced in 2012 when a deep learning approach triumphed in the ImageNet image classification challenge. Subsequent- ly, deep neural network architectures have undergone rapid advancement, emphasizing deeper networks with an increased number of weight parameters. Consequently, compre- hending and making sense of the final model has become exceedingly challenging and non- intuitive for humans. This work aims to explore methods for interpreting neural networks, which play a crucial role in visualizing learned concepts and explaining individual predic- tions. To make predictions, input data is processed through multiple layers of weight mul- tiplication and non-linear transformations. The inner interactions among millions of weights within a neural network necessitate specialized techniques for model interpretation and pattern recognition. Therefore, specific interpretation methods are indispensable forunderstanding the behavior and predictions of neural networks.
Добавил в систему: Сидоров Леонид Станиславович

	ИСТИНА	Войти в систему Регистрация
	Интеллектуальная Система Тематического Исследования НАукометрических данных
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

Интеллектуальная Система Тематического Исследования НАукометрических данных

Interpretation methods for neural networksстатья

Прикрепленные файлы