高精度な予測と解釈のしやすさを両立する自己説明型機械学習の研究

对不言自明的机器学习的研究，可实现高精度预测和易于解释

• 批准号: 22K17953
• 负责人: 吉川 友也
• 金额: $ 2.91万
• 依托单位: Chiba Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17953/
• 关键词: 説明可能AI; XAI; 機械学習; 深層学習; 解釈性

本研究の目的は、従来の機械学習法が持つ高い精度は維持しつつ、既存の説明手法における問題点を解決するために、高い分類・予測精度とともに、予測結果の根拠を信頼できる形で分かりやすく説明することができる「自己説明型機械学習法」を開発することである。 ここで「説明」とは、機械学習の予測結果に対する特徴の寄与をユーザに示すことである。 本研究における自己説明型機械学習法は、(1)高速な推論、(2)予測と説明の一致性、(3)説明の一貫性、(4)説明の不確実性の提示、(5)高い予測精度、(6)説明の簡素性の6つの性質を満たすことを目指す。以前から自己説明型機械学習法による予測結果を解釈可能なニューラルネットワークの研究を進めており、2022年度はこの研究成果を論文としてまとめ、国際論文誌に掲載された。この手法は、上記の性質(1),(2),(5)を達成するものである。また、この手法を発展させ、ニューラルネットワークによる予測を簡素なルールを生成して行う研究を行い、研究会で発表した。この手法は、上記の性質(1),(2),(4),(5),(6)を満たすものである。

Purpose の this study は, 従 to の machine learning method が つ high precision い は maintain し つ つ, existing の show gimmick に お け る problem point を す る た め に, high い classification to the measuring accuracy と と も に, to the measurement results の 拠 を letter 頼 で き る form で points か り や す く illustrate す る こ と が で き る "declarative machine learning method" を open 発 す る こ と で あ る . Youdaoplaceholder0 で "explanation" と と, the pretest results of the machine learning <e:1> に and the する characteristics <e:1> are sent to をユ ザに ザに ザに to show す とである とである とである とである. This study に お け る their declarative は rote learning method, (1) high speed な inference, (2) to measure と の consistency, (3) means の consistency, (4) means の uncertain be の tips, (5) high い to measuring accuracy, (6) の invigorative sex の 6 つ の nature を against た す こ と を refers す. Before か ら their declarative machine learning method に よ る to measuring results 釈 を solution may な ニ ュ ー ラ ル ネ ッ ト ワ ー ク を の research into め て お り, 2022 annual は こ の research を paper と し て ま と め, international paper tzu に first white jasmines load さ れ た. The <s:1> <s:1> technique を and the properties (1),(2), and (5) of the を are recorded to achieve する である である である である. ま た, こ の gimmick を 発 exhibition さ せ, ニ ュ ー ラ ル ネ ッ ト ワ ー ク に よ る be を invigorative な ル ー ル を generated し lines て う research を い, seminar で 発 table し た. The <s:1> cue technique を, the nature of the cue (1),(2),(4),(5),(6)を is filled with たす である である である である である.

项目成果

Neural Generators of Sparse Local Linear Models for Achieving both Accuracy and Interpretability

• DOI: 10.1016/j.inffus.2021.11.009
• 发表时间: 2020-03
• 期刊: ArXiv
• 作者: Yuya Yoshikawa;Tomoharu Iwata

決定木と深層ニューラルネットを用いた解釈可能な予測モデル

使用决策树和深度神经网络的可解释预测模型

• 发表时间: 2022
• 作者: 奥田遼;吉川友也
• 通讯作者: 吉川友也