이 논문은 합성곱 신경망의 해석 가능성을 향상시키기 위한 새로운 학습 접근법을 제안한다. 대부분의 기존 접근법은 완전 연결 계층과 그래디언트를 사용하는 클래스 활성화 맵(CAM) 변형에 기반하지만, 그래디언트가 노이즈가 많다는 것이 잘 알려져 있다. 이 연구에서는 표준 백프로파게이션을 통해 얻은 그래디언트와 가이드 백프로파게이션을 통해 얻은 그래디언트 간의 유사성을 정규화하는 새로운 손실 함수를 제안한다. 이를 통해 그래디언트의 품질이 향상되어 다양한 해석 가능성 방법의 성능이 개선되는 것을 확인했다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Felipe Torre... at arxiv.org 04-24-2024
https://arxiv.org/pdf/2404.15024.pdfDeeper Inquiries