的一部分神经信息处理系统进展32(NeurIPS 2019)
Sara Hooker、Dumitru Erhan、Pieter-Jan Kindermans、Been Kim
我们提出了深度神经网络中特征重要性估计近似准确性的经验度量。我们在几个大规模图像分类数据集上的结果表明,许多流行的可解释性方法产生的特征重要性估计值并不比随机指定的特征重要性好。只有某些基于集合的方法——VarGrad和SmoothGrad-Squared——优于这种随机重要性分配。集成的方式仍然很关键,我们表明有些方法并不比底层方法好,但计算负担要高得多。
在电子程序中更改姓名的请求将被接受,不会提出任何问题。然而,名称更改可能会导致书目跟踪问题。作者被要求仔细考虑这一点,并在要求在电子诉讼中更改姓名之前与合著者进行讨论。
使用“报告问题”链接请求更改名称。