ProtoAttend公司 swMATH ID: 37082 软件作者: Sercan O.Arik。;托马斯·普菲斯特 描述: ProtoAttend:基于注意力的原型学习。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,包括预训练模型。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。在不牺牲原始模型准确性的情况下,Protosent在三个高影响问题上产生了优异的结果:(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性方法);(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。 主页: https://arxiv.org/abs/1902.06292 源代码: https://github.com/google-research/google-researche/tree/master/protoattent 依赖项: 蟒蛇 关键词: 基于样本的可解释性;信心;注意;可解释的深度学习;原型 相关软件: 张紧器2传感器;亚当 引用于: 1文件 标准条款 1出版物描述软件,包括1出版物以zbMATH为单位 年份 ProtoAttend:基于注意力的原型学习。 Zbl 1529.68251号塞尔坎·O·阿里克。;托马斯·普菲斯特 2020 2位作者引用 1 塞尔坎·O·阿里克。 1 托马斯·普菲斯特 连载1篇 1 机器学习研究杂志(JMLR) 在1个字段中引用 1 计算机科学(68至XX) 按年份列出的引文