| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-03-03 14:40 交互作用を用いた深層学習の意味的・量的説明生成 ○夏 博恵・汪 雪テイ・山崎俊彦（東大）  IMQ2020-35 IE2020-75 MVE2020-67 |
|
| 抄録 | （和） | 近年深層学習の技術が目覚ましい進歩を遂げるにつれ，モデルの説明性に関心が寄せられるようになり，研究が盛んに進められている．手法の1つに意味的な属性情報を用いて意味的かつ定量的な説明を生成するものが存在する．既存手法では説明モデルによる予測精度は説明をしないモデルに比べて大きく精度が低下するという問題があった．そこで我々は属性間の交互作用を導入することにより精度の低下を防ぎつつ，意味的かつ量的な説明を生成する手法を提案する．CelebAデータセットを用いた実験で説明モデルによる予測結果の相関値は0.010から0.063ポイント程度上昇し，性能改善が示された．また合理的かつ解釈の容易な説明が生成されることが確認された． |
| （英） | Deep learning-based methods have shown remarkable performances in many tasks. However, it is hard for us to interpret the models, hence explainability of networks have been explored actively. In this work, we propose a method to generate semantic and quantitative explanations using attribute interactions based on an existing model. More specifically, we consider not only contributions from each attribute but also their interactions to prevent low explanatory performance. We test our model on multiple datasets and demonstrate how our method works in real world prediction problems. | |
| キーワード | （和） | 深層学習 / 説明可能性 / 意味的属性 / 交互作用 / / / / |
| （英） | Deep neural networks / Explainability / Semantic attributes / Feature interaction / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 391, MVE2020-67, pp. 127-132, 2021年3月. | |
| 資料番号 | MVE2020-67 | |
| 発行日 | 2021-02-22 (IMQ, IE, MVE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IMQ2020-35 IE2020-75 MVE2020-67 |
|
| 研究会情報 | |
| 研究会 | MVE IMQ IE CQ |
| 開催期間 | 2021-03-01 - 2021-03-03 |
| 開催地（和） | オンライン開催（崇城大学から変更） |
| 開催地（英） | Online |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般 （魅力工学（AC）研究会協賛） |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MVE |
| 会議コード | 2021-03-MVE-IMQ-IE-CQ |
| 本文の言語 | 日本語 |
| タイトル（和） | 交互作用を用いた深層学習の意味的・量的説明生成 |
| サブタイトル（和） | |
| タイトル（英） | Semantic and Quantitative Explanation for Networks using Feature Interaction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep neural networks |
| キーワード(2)（和/英） | 説明可能性 / Explainability |
| キーワード(3)（和/英） | 意味的属性 / Semantic attributes |
| キーワード(4)（和/英） | 交互作用 / Feature interaction |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 夏 博恵 / Bohui Xia / カ ヒロエ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 汪 雪テイ / Xueting Wang / オウ セッテイ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 山崎 俊彦 / Toshihiko Yamasaki / ヤマサキ トシヒコ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-03 14:40:00 |
| 発表時間 | 25分 |
| 申込先研究会 | MVE |
| 資料番号 | IMQ2020-35, IE2020-75, MVE2020-67 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.389(IMQ), no.390(IE), no.391(MVE) |
| ページ範囲 | pp.127-132 |
| ページ数 | 6 |
| 発行日 | 2021-02-22 (IMQ, IE, MVE) |
[研究会発表申込システムのトップページに戻る]