Jan, 2022
可视化贝叶斯神经网络所学表示的多样性
Visualizing the diversity of representations learned by Bayesian neural networks
Dennis Grinwald, Kirill Bykov, Shinichi Nakajima, Marina M.-C. Höhne
TL;DR本文研究了可解释人工智能(XAI)方法在探索和可视化贝叶斯神经网络(BNNs)学习到的各种特征表示方面的应用,通过特征可视化及对比度学习的距离度量,提供 BNNs 决策策略的可见性、可量化性和全面性,结果显示 Monte Carlo dropout 表现出比 MultiSWAG 更大的表示特征多样性,这与最近的深度神经网络理论一致。