要約
説明可能性はここ数年で貴重なツールとなり、人間が AI に基づいた意思決定をよりよく理解できるようになりました。
ただし、高次元の入力とニューラル ネットワーク分類器を考慮すると、古典的な説明可能性ツールは非常に制限されることがあります。
ニューラル ネットワーク分類器の理論的に証明された高次元特性を使用した、新しい説明可能性手法を提案します。
1) IMDB レビュー データセットの古典的なセンチメント分析タスク、2) PowerShell スクリプト データセットのマルウェア検出タスクの 2 つの使用法を紹介します。
要約(オリジナル)
Explainability has become a valuable tool in the last few years, helping humans better understand AI-guided decisions. However, the classic explainability tools are sometimes quite limited when considering high-dimensional inputs and neural network classifiers. We present a new explainability method using theoretically proven high-dimensional properties in neural network classifiers. We present two usages of it: 1) On the classical sentiment analysis task for the IMDB reviews dataset, and 2) our Malware-Detection task for our PowerShell scripts dataset.
arxiv情報
著者 | Odelia Melamed,Rich Caruana |
発行日 | 2023-11-22 15:20:12+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google