xAI-Drop: 不使用无法解释的内容
原文中文,约200字,阅读约需1分钟。发表于: 。通过使用可解释性方法定位噪声网络元素,以降低过度平滑、提高模型的可解释性,我们提出了一种名为 xAI-Drop 的新型拓扑级别的 Drop 正则化方法,实证评估表明我们的方法在准确性、减少过度平滑和提高解释质量方面优于现有的 Drop 方法。
本文介绍了一种新的Dropout Graph Neural Networks方法,通过多次运行GNN并在每次运行中随机独立地删除一些节点,克服了标准GNN框架的局限性,并验证了该方法在区分各种图形邻域方面的可靠性和表达能力,并在实验中验证了其理论发现的表达能力和在已建立的GNN基准测试上的竞争力。