BriefGPT - AI 论文速递
·
关于可迁移的神经通路的模型解释
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
GEN-CNP是一种能够从目标模型的特征图中学习预测神经通路的模型，遵循同类神经通路主要由与类别相关的神经元组成和每个实例的神经通路稀疏度应得到最佳确定的可解释性准则。实验证明该模型具有忠实性和可解释性。
🎯
关键要点
- 神经通路由一组稀疏的神经元组成，提供与整个模型相同水平的预测性能。
- 提出了神经通路的两个可解释性准则：同类神经通路由与类别相关的神经元组成；每个实例的神经通路稀疏度应得到最佳确定。
- 提出了一种名为生成类相关神经通路（GEN-CNP）的模型，从目标模型的特征图中学习预测神经通路。
- 从深层和浅层特征中学习类相关信息，以使同类神经通路具有高度相似性。
- 对GEN-CNP施加忠实性准则，以生成具有实例特定稀疏性的路径。
- 将类相关神经通路转化为解释同一类别样本，并通过实验证明了它们的忠实性和可解释性。
➡️
