| KAIST开发出高水平的深度学习决策说明技术 | ||
|
||
 < 图片来源：电子新闻 >
11月23日，韩国科学技术院(KAIST)表示，AI研究生院教授崔在植(音)金在哲(音)研究组开发出了计算对AI深度学习决策产生巨大影响的输入变数贡献度的高水平技术。该研究结果将于12月1日在国际学术大会"神经信息处理学会(NeurIPS)2022"上发布。
研究组以深度学习模型在局部输入空间中看到的输入数据和预测之间的关系为基础进行了研究。在输入数据特征中，研究出了逐渐提取模型预测贡献度高的特征的算法和综合在此过程中输入-预测之间的关系的方法。结果计算了对模型预测过程做出贡献的输入特征的准确贡献度。该技术可以适用于多种现有的学习模型，通过提供深度学习预测模型的判断依据，有望对深度学习模型的应用做出巨大贡献。
全基英(音)研究员表示："以深度学习模型局部地区计算的输入贡献度为基础，逐渐消除相对重要度较低的输入，综合在此过程中积累的输入贡献度，可以提供更准确的说明。为了对深度学习模型提供信赖度高的说明，在适当变换输入数据的情况下，也要关注与模型预测相关度高的输入特点"。
信息来源：
发布机构: 韩国网络媒体->电子新闻
发布时间：2022.11.23
|
- 출처 https://www.etnews.com/20221123000082
- 附件 没有附件