| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-03-17 09:45 畳み込みニューラルネットワークからのルール抽出 ～ 教示法によるルール抽出 ～ ○佐藤優也・月本 洋（東京電機大）  PRMU2019-89 |
|
| 抄録 | （和） | 以前畳み込みニューラルネットワークから論理式を抽出をする手法(近似法:分解法の一種)を報告したが，そのネットワークの全結合層に中間層が存在する場合に精度が極端に下がることが判明した．本稿では，全結合層を1つのブラックボックスとして論理式を抽出すると良い結果が得られたので，その方法を提示する．また，論理式の入力として畳み込み・プーリング層の出力を最大化する画像を生成した後に，生成した出力最大化画像と全結合層の論理式を統合して，全結合層の論理式が示す特徴を可視化する方法も提示する．本稿では，これらの手法をMNISTデータセットを学習させた畳み込みニューラルネットワークに対して行った結果を報告する． |
| （英） | We presented a decompositional method of rule extraction from convolutional neural networks in the past. However, we found that the accuracy was extremely low in the case of fully connected layers with hidden layers. This paper presents a pedagogical extracting method. Also, this paper presents a method merging rules and images maximizing the output of convolutional/pooling layers, and visualizing features of the rules extracted from fully connected layers. These methods were applied to convolutional neural networks trained with MNIST dataset. | |
| キーワード | （和） | 畳み込みニューラルネットワーク / 特徴抽出 / ルール抽出 / SmoothGrad / MNIST / 教示法 / / |
| （英） | convolutional neural network / feature extraction / rule extraction / SmoothGrad / MNIST / pedagogical method / / | |
| 文献情報 | 信学技報, vol. 119, no. 481, PRMU2019-89, pp. 121-126, 2020年3月. | |
| 資料番号 | PRMU2019-89 | |
| 発行日 | 2020-03-09 (PRMU) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2019-89 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM |
| 開催期間 | 2020-03-16 - 2020-03-17 |
| 開催地（和） | 京都大学 |
| 開催地（英） | |
| テーマ（和） | 安全安心、セキュリティ・防災 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2020-03-PRMU-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | 畳み込みニューラルネットワークからのルール抽出 |
| サブタイトル（和） | 教示法によるルール抽出 |
| タイトル（英） | Rule Extraction from convolutional neural networks |
| サブタイトル（英） | Rule Extraction with A Pedagogical Method |
| キーワード(1)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(2)（和/英） | 特徴抽出 / feature extraction |
| キーワード(3)（和/英） | ルール抽出 / rule extraction |
| キーワード(4)（和/英） | SmoothGrad / SmoothGrad |
| キーワード(5)（和/英） | MNIST / MNIST |
| キーワード(6)（和/英） | 教示法 / pedagogical method |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 佐藤 優也 / Yuya Sato / サトウ ユウヤ |
| 第1著者 所属（和/英） | 東京電機大学 (略称： 東京電機大) Tokyo Denki University (略称： Tokyo Denki Univ) |
| 第2著者 氏名（和/英/ヨミ） | 月本 洋 / Hiroshi Tsukimoto / ツキモト ヒロシ |
| 第2著者 所属（和/英） | 東京電機大学 (略称： 東京電機大) Tokyo Denki University (略称： Tokyo Denki Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-03-17 09:45:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2019-89 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.481 |
| ページ範囲 | pp.121-126 |
| ページ数 | 6 |
| 発行日 | 2020-03-09 (PRMU) |
[研究会発表申込システムのトップページに戻る]