B-cos 네트워크: 해석 가능성을 위한 것은 정렬입니다

우리는 훈련 중 가중치-입력 정렬을 촉진하여 심층 신경망(DNN)의 해석 가능성을 높이기 위한 새로운 방향을 제시합니다. 이를 위해 DNN의 선형 변환을 우리의 B-cos 변환으로 교체할 것을 제안합니다. 우리가 보여준 바와 같이, 이러한 변환의 시퀀스(네트워크)는 전체 모델 계산을 충실히 요약하는 단일 선형 변환을 유도합니다. 더욱이, B-cos 변환은 최적화 중 가중치에 대한 정렬 압력을 도입합니다. 결과적으로, 이러한 유도된 선형 변환은 매우 해석 가능하게 되고, 작업 관련 특성과 정렬됩니다. 중요하게도, B-cos 변환은 기존 아키텍처와 호환되도록 설계되었으며, ImageNet에서 유사한 성능을 유지하면서 VGG, ResNet, InceptionNet, DenseNet과 같은 일반 모델에 쉽게 통합될 수 있음을 보여줍니다. 결과적인 설명은 높은 시각적 품질을 가지며 해석 가능성에 대한 정량적 측정 지표에서도 좋은 성능을 발휘합니다. 코드: github.com/moboehle/B-cos.