XACT 在可逆时频变换系数上学习稀疏归因掩码,在合成数据上比基线更少高亮伪特征,在两个真实数据集上给出稀疏且有结构的解释
作者提出 XACT 这一通用框架,在任意可逆时频变换(STFT、连续小波变换、离散小波变换)的系数上学习稀疏归因掩码,并把虚拟检查层从 STFT 扩展到两种小波变换以使 LRP 能在这些表示中生成解释;在合成数据集上 XACT 给出精确解释且比所测试基线更不易高亮伪特征,在两个真实数据集上给出稀疏且有结构的解释,但没有方法在所有定量评价标准上都最优。
作者提出 XACT 这一通用框架,在任意可逆时频变换(STFT、连续小波变换、离散小波变换)的系数上学习稀疏归因掩码,并把虚拟检查层从 STFT 扩展到两种小波变换以使 LRP 能在这些表示中生成解释;在合成数据集上 XACT 给出精确解释且比所测试基线更不易高亮伪特征,在两个真实数据集上给出稀疏且有结构的解释,但没有方法在所有定量评价标准上都最优。
已读完全部报道