정보과학회논문지 (Journal of KIISE)
Current Result Document : 9 / 175
이전건
다음건 
| 한글제목(Korean Title) |
시계열 심층학습 모델의 은닉 노드에 대한 시각화 |
| 영문제목(English Title) |
Visualization of Convolutional Neural Networks for Time Series Input Data |
| 저자(Author) |
조소희
최재식
Sohee Cho
Jaesik Choi
|
| 원문수록처(Citation) |
VOL 47 NO. 05 PP. 0445 ~ 0453 (2020. 05) |
한글내용
(Korean Abstract) |
산업, 의료, 금융 등 다양한 분야에서 인공지능을 활용한 예측 및 진단이 늘어나면서, 인공지능의 내부 작동원리를 설명하는 연구에도 관심이 높아지고 있다. 이미지 데이터에서 중요 입력 특징점을 시각화하는 기존 연구들과 다르게, 본 논문에서는 시계열 데이터의 은닉 노드를 시각화하여 심층신경망 내부의 작동원리를 설명한다. 본 논문은 은닉 노드의 시각화를 쉽게 하도록 가중치 행렬(weight matrix)을 기준으로 은닉 노드를 군집화하여 패턴을 파악하였다. 이를 통해 심층학습 모델의 작동원리를 설명할 뿐만 아니라, 사용자 수준에서 시계열 데이터에 대한 이해를 높일 수 있었다.
|
영문내용
(English Abstract) |
Globally, the use of artificial intelligence (AI) applications has increased in a variety of industries from manufacturing, to health care to the financial sector. As a result, there is a growing interest in explainable artificial intelligence (XAI), which can provide explanations of what happens inside AI. Unlike previous work using image data, we visualize hidden nodes for a time series. To interpret which patterns of a node make more effective model decisions, we propose a method of arranging nodes in a hidden layer. The hidden nodes sorted by weight matrix values show which patterns significantly affected the classification. Visualizing hidden nodes explains a process inside the deep learning model, as well as enables the users to improve their understanding of time series data.
|
| 키워드(Keyword) |
시계열 데이터
심층학습
은닉 노드
time series data
deep learning
hidden layers
weight matrix
patterns
가중치 행렬
패턴
|
| 파일첨부 |
PDF 다운로드
|
