MFABA: طريقة استناد قائمة أكثر وفاءً وسرعةً قائمة على الحدود للشبكات العصبية العميقة

لفهم مخرجات الشبكات العصبية العميقة (DNN) بشكل أفضل، كانت الطرق المعتمدة على الاستناد نهجًا مهمًا لفهم النموذج، تقوم بتعيين درجة لكل بُعد إدخال للإشارة إلى أهميته بالنسبة لنتيجة النموذج. بشكل ملحوظ، تستخدم طرق الاستناد بديهيات الحساسية وعدم تغيير التنفيذ لضمان صحة وموثوقية نتائج الاستناد. ومع ذلك، تقدم طرق الاستناد الحالية تحديات للتفسير الفعّال والحساب الفعّال. في هذا العمل، نقدم MFABA، خوارزمية الاستناد التي تلتزم بالبديهيات، كطريقة جديدة لتفسير DNN. بالإضافة إلى ذلك، نقدم البرهان النظري والتحليل المتعمق لخوارزمية MFABA، ونقوم بإجراء تجربة واسعة النطاق. تظهر النتائج تفوقها من خلال تحقيق سرعة أسرع بأكثر من 101.5142 مرة مقارنة بأحدث خوارزميات الاستناد. يتم تقييم فعالية MFABA بدقة من خلال التحليل الإحصائي بالمقارنة مع طرق أخرى، وحزمة التنفيذ الكاملة مفتوحة المصدر على: https://github.com/LMBTough/MFABA.