Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization (2020)
- Authors:
- Autor USP: CANTAREIRA, GABRIEL DIAS - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: REDES NEURAIS; VISUALIZAÇÃO; INTELIGÊNCIA ARTIFICIAL
- Keywords: Deep learning; Deep learning; Dimensionality reduction; Explainable artificial intelligence; Explainable artificial intelligence; Multidimensional projections; Neural network visualization; Projeções multidimensionais; Redução de dimensionalidade; Visualização de redes neurais
- Agências de fomento:
- Language: Inglês
- Abstract: Redes neurais profundas tem demonstrado resultados impressionantes em uma grande variedade de aplicações computacionais nos últimos anos, sendo responsáveis por diversos avanços em tecnologia. No entanto, testar e entender os mecanismos internos destes modelos é uma tarefa complexa, uma vez que o número de variáveis envolvidas em cada decisão pode chegar aos milhões. Visando resolver este problema, pesquisadores dos campos de Visual Analytics e Explainable Artificial Intelligence tem proposto várias abordagens para visualizar e explicar diferentes aspectos de modelos de redes neurais. Uma destas abordagens é o uso de técnicas de redução de dimensionalidade para a visualização do comportamento de camadas ocultas, empregado com relativo sucesso na literatura. Porém, aplicar tais técnicas neste contexto implica em certas limitações que precisam ser tratadas, principalmente no que diz respeito à comparação visual entre múltiplas projeções multidimensonais. Adicionalmente, certas características particulares deste domínio podem ser utilizadas para gerar visualizações especializadas mais informativas. Esta tese de doutorado mostra o processo de investigação de problemas e oportunidades em visualização de redes neurais utilizando redução de dimensionalidade e o desenvolvimento de métodos de visualização aprimorados para este domínio.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2020
- Data da defesa: 30.11.2020
-
ABNT
CANTAREIRA, Gabriel Dias. Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization. 2020. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-25022021-130621/. Acesso em: 19 set. 2024. -
APA
Cantareira, G. D. (2020). Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-25022021-130621/ -
NLM
Cantareira GD. Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization [Internet]. 2020 ;[citado 2024 set. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-25022021-130621/ -
Vancouver
Cantareira GD. Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization [Internet]. 2020 ;[citado 2024 set. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-25022021-130621/ - Visualização computacional de música com suporte à discriminação de elementos de teoria musical
- Exploring neural network hidden layer activity using vector fields
- Visualizing learning space in neural network hidden layers
- Solute transport performance analysis of equivalent apertures in a single undisturbed basaltic fracture
- Similarity-driven edge bundling: data-oriented clutter reduction in graphs layouts
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas