Apr, 2024
稀疏概念瓶颈模型:对比学习中的 Gumbel 技巧
Sparse Concept Bottleneck Models: Gumbel Tricks in Contrastive Learning
Andrei Semenov, Vladimir Ivanov, Aleksandr Beznosikov, Alexander Gasnikov
TL;DR提出了一种使用概念瓶颈模型 (CBMs) 进行可解释分类的新架构和方法,该方法能够提供解读结果,通过引入称为概念瓶颈层的新类型层,训练 CBMs 取得了显著的准确度提升,并且通过概念矩阵搜索算法改进了复杂数据集上的预测结果。