Mesomorphic Neural Networks

新的正则化技术提高了AI模型的可解释性和性能

研究人员推出了一种名为局部保真度正则化（LFR）的新方法，以增强介观神经网络（IMNs）的可解释性和预测性能。LFR解决了现有IMNs中模型可能将解释性方差集中到单个权重上的漏洞，导致解释不可靠。通过使线性输出权重与局部数据变化保持一致，LFR在不牺牲准确性的情况下确保了忠实的解释。在OpenML基准套件上的实证结果表明，LFR比未正则化的IMNs提高了AUROC，并取得了与最先进的黑盒模型相媲美的性能。