講演情報
[2Yin-A-54]区分線形性を有する CNN を用いた予測に寄与する画像領域の可視化
〇金子 紗弓1、木村 大輔1、川口 貴大1、古嶋 亮一1、松本 尚之1、室賀 駿1 (1. 産業技術総合研究所)
キーワード：
説明可能なAI、畳み込みニューラルネットワーク、マテリアルインフォマティクス
本研究は，材料特性予測への応用を見据え，回帰用のCNNモデルを解釈可能とすることを目的とする．ReLUの区分線形性に基づき，中間特徴量とターゲット値の関係を入力ごとの局所線形関数として厳密に表現するとともに，寄与分解の厳密性を確保するため畳み込み層にバイアスを含まないモデル構造を採用した．合成データによる検証の結果，設計上期待される符号構造と概ね整合する寄与分布が得られ，浅い層においても符号の整合性が比較的保たれる傾向が確認された．この結果は，回帰用の CNN モデルの解釈において，区分線形性に基づく厳密な分解が有効である可能性を示唆するものである．