ProtoAttend：基于注意力的原型学习
塞尔坎·阿里克，托马斯·普菲斯特; 21(210):1−35, 2020.
摘要
我们提出了一种新颖的内在可解释的机器学习方法，该方法将决策建立在我们称为原型的几个相关示例上。我们的方法ProtoAttend可以集成到广泛的神经网络架构中，包括预先训练的模型。它利用一种注意机制，将编码表示与样本关联起来，以确定原型。Protocate在三个影响较大的问题上取得了优异的结果，同时又不牺牲原始模型的准确性：（1）它能够实现高质量的可解释性，输出与决策最相关的样本（即基于样本的可解释方法）；（2） 它通过量化原型标签之间的不匹配来实现最先进的置信度估计；（3）它在分布失配检测方面达到了最新水平。所有这些都可以通过最少的额外测试时间和实际可行的训练时间计算成本实现。
[腹肌]
[pdf格式][围兜]
