Current Result Document :
| 한글제목(Korean Title) |
계층적 의사결정의 해석이 가능한 ViT 뉴럴 트리 |
| 영문제목(English Title) |
Interpretable ViT Neural Tree of Hierarchical Decisions |
| 저자(Author) |
김상원
남재열
고병철
Sangwon Kim
Jae-Yeal Nam
Bouyng Chul Ko
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 0473 ~ 0475 (2021. 12) |
한글내용
(Korean Abstract) |
딥 러닝 모델은 내부 동작을 해석할 수 없는 블랙박스로 알려져 있다. 이를 해결하기 위해 모델을 근사화 하는 post-hoc explanation이나 모델을 Tree와 같은 단순한 구조로 설계하는 transparency 모델을 주로 사용해왔다. 하지만, 기존의 해석가능한 모델들은 본질적인 의사결정을 해석하는데 여전히 한계가 있으며 모델의 투명성과 성능에 대한 trade-off로 인해 그 한계가 뚜렷하다. 본 논문에서는 이미지 인식을 위해 본질적으로 해석 가능한 뉴럴 트리 구조의 ViT-NeT을 제안한다. 제안하는 모델은 ViT의 latent feature와 프로토타이핑을 이용해 의사결정 과정 전반에 걸쳐 세밀한 해석을 제공함과 동시에 높은 성능을 달성하기 때문에 기존 trade-off를 상당부분 해결할 수 있다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
