🆕 新着Qiita記事をお知らせします。​

​『eXplainable AI : Saliency Map Part1 - Vanilla Gradients, Integrated Gradients, and Occlusion』
https://qiita.com/sho_watari/items/35d9972001a7bc89b4e9 by @sho_watari @​Qiita

#python_qiita #deeplearning_qiita #cntk_qiita #xai_qiita #saliencymap_qiita

eXplainable AI : Saliency Map Part1 - Vanilla Gradients, Integrated Gradients, and Occlusion - Qiita

#目標 Microsoft Cognitive Toolkit (CNTK) を用いた顕著性マップをやってみました。 CNTK と NVIDIA GPU CUDA がインストールされていることを前提としています。 [TensorF...

🆕 新着Qiita記事をお知らせします。​

​『Microsoft Cognitive Toolkit : eXplainable AI - Activation Maximization』
https://qiita.com/sho_watari/items/f30e85e35b57dcc1f037 by @sho_watari @​Qiita

#python_qiita #deeplearning_qiita #cnn_qiita #cntk_qiita #xai_qiita

Microsoft Cognitive Toolkit : eXplainable AI - Activation Maximization - Qiita

#目標 Microsoft Cognitive Toolkit (CNTK) を用いて畳み込みニューラルネットワークの入力画像の最大化をやってみました。 [人工知能に関する断創録 - 畳み込みニューラルネットワークの可視化](htt...

🆕 新着Qiita記事をお知らせします。​

​『[論文紹介]Representer Point Selection for Explaining Deep Neural Networks』
https://qiita.com/umeko2015/items/3f39e91c76b2c73ce462 by @umeko2015 @​Qiita

#xai_qiita

[論文紹介]Representer Point Selection for Explaining Deep Neural Networks - Qiita

#概要(なんとなく訳している) * テストデータの予測結果に対して、トレーニングデータ内の「representer points」のセットを指し示し、DNNの推論結果を説明する手法 * NNのpre-activation predi...