Deciphering the Feature Representation of Deep Neural Networks for High-Performance AI
题目:解码深度神经网络特征表示以实现高性能人工智能
作者:Md Tauhidul Islam; Lei Xing
摘要
人工智能(AI)由深度学习驱动,正在改变科学技术的许多方面。深度学习的巨大成功源于其独特的能力,即从大数据中提取决策所需的基本特征。然而,深度神经网络(DNNs)中的特征提取和隐藏表示仍然难以解释,主要是因为缺乏技术工具来理解和审问特征空间数据。这里的主要障碍是特征数据本质上往往是嘈杂的,结构复杂,规模和维度巨大,使得现有技术难以可靠地分析数据。在这项工作中,我们开发了一个名为对比特征分析(CFA)的计算框架,以促进探索DNN特征空间并提高AI的性能。通过利用特征之间的交互关系,并将一种新颖的数据驱动的核形成策略整合到特征分析流程中,CFA克服了传统方法的局限性,并为分析特征空间数据提供了迫切需要的解决方案。该技术允许以无监督