neuralGAM: An R Package for Fitting Generalized Additive Neural Networks

要約

現在、ニューラルネットワークは、異常検出、コンピューター支援疾患検出、自然言語処理など、さまざまなタスクの最も効果的な方法の1つと考えられています。
ただし、これらのネットワークは「ブラックボックス」の問題に悩まされているため、決定を下す方法を理解することは困難です。
この問題を解決するために、Neuralgamと呼ばれるRパッケージが導入されています。
このパッケージは、一般化された添加剤モデルに基づいてニューラルネットワークトポロジを実装し、独立したニューラルネットワークに適合して各機能の寄与を出力変数への貢献度を推定し、非常に正確で解釈可能なディープラーニングモデルを生成します。
Neuralgamパッケージは、一般化された添加剤ニューラルネットワークをトレーニングするための柔軟なフレームワークを提供します。これは、ニューラルネットワークアーキテクチャに制限を課さないものです。
合成データの例と実際のデータの両方の例で、Neuralgamパッケージの使用を説明します。

要約(オリジナル)

Nowadays, Neural Networks are considered one of the most effective methods for various tasks such as anomaly detection, computer-aided disease detection, or natural language processing. However, these networks suffer from the “black-box” problem which makes it difficult to understand how they make decisions. In order to solve this issue, an R package called neuralGAM is introduced. This package implements a Neural Network topology based on Generalized Additive Models, allowing to fit an independent Neural Network to estimate the contribution of each feature to the output variable, yielding a highly accurate and interpretable Deep Learning model. The neuralGAM package provides a flexible framework for training Generalized Additive Neural Networks, which does not impose any restrictions on the Neural Network architecture. We illustrate the use of the neuralGAM package in both synthetic and real data examples.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google