مقاله برچسب زدن بازنمودهای عصبی با تشخیص معکوس
| عنوان مقاله به انگلیسی | Labeling Neural Representations with Inverse Recognition |
| عنوان مقاله به فارسی | مقاله برچسب زدن بازنمایی های عصبی با شناخت معکوس |
| نویسندگان | Kirill Bykov, Laura Kopf, Shinichi Nakajima, Marius Kloft, Marina M. -C. Höhne |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Machine Learning,Artificial Intelligence,Machine Learning,یادگیری ماشین , هوش مصنوعی , یادگیری ماشین , |
| توضیحات | Submitted 22 November, 2023; originally announced November 2023. , Comments: 24 pages, 16 figures , Journal ref: 37th Conference on Neural Information Processing Systems (NeurIPS 2023) |
| توضیحات به فارسی | ارسال شده 22 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: 24 صفحه ، 16 شکل ، مجله Ref: 37 مین کنفرانس سیستم های پردازش اطلاعات عصبی (Neurips 2023) |
چکیده
Deep Neural Networks (DNNs) demonstrated remarkable capabilities in learning complex hierarchical data representations, but the nature of these representations remains largely unknown. Existing global explainability methods, such as Network Dissection, face limitations such as reliance on segmentation masks, lack of statistical significance testing, and high computational demands. We propose Inverse Recognition (INVERT), a scalable approach for connecting learned representations with human-understandable concepts by leveraging their capacity to discriminate between these concepts. In contrast to prior work, INVERT is capable of handling diverse types of neurons, exhibits less computational complexity, and does not rely on the availability of segmentation masks. Moreover, INVERT provides an interpretable metric assessing the alignment between the representation and its corresponding explanation and delivering a measure of statistical significance, emphasizing its utility and credibility. We demonstrate the applicability of INVERT in various scenarios, including the identification of representations affected by spurious correlations, and the interpretation of the hierarchical structure of decision-making within the models.
چکیده به فارسی (ترجمه ماشینی)
شبکه های عصبی عمیق (DNNS) توانایی های قابل توجهی در یادگیری بازنمایی داده های سلسله مراتبی پیچیده را نشان دادند ، اما ماهیت این بازنمودها تا حد زیادی ناشناخته است.روشهای توضیح جهانی موجود ، مانند شکاف شبکه ، محدودیت های چهره مانند اتکا به ماسک های تقسیم بندی ، عدم آزمایش اهمیت آماری و تقاضای محاسباتی بالا.ما با استفاده از ظرفیت آنها برای تبعیض بین این مفاهیم ، یک رویکرد مقیاس پذیر برای ارتباط بازنمایی های آموخته شده با مفاهیم قابل درک انسان را پیشنهاد می کنیم.بر خلاف کار قبلی ، اینورت قادر به رسیدگی به انواع متنوع نورون ها است ، پیچیدگی محاسباتی کمتری را نشان می دهد و به در دسترس بودن ماسک های تقسیم بندی متکی نیست.علاوه بر این ، Invert یک متریک قابل تفسیر را ارزیابی می کند که تراز بین نمایندگی و توضیحات مربوطه را ارزیابی می کند و اندازه گیری اهمیت آماری را با تأکید بر ابزار و اعتبار آن ارائه می دهد.ما کاربرد معکوس در سناریوهای مختلف ، از جمله شناسایی بازنمایی های تحت تأثیر همبستگی های فریبنده و تفسیر ساختار سلسله مراتبی تصمیم گیری را در مدل ها نشان می دهیم.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.