| 基于最小熵约束的可解释卷积神经网络 |
| |
| 引用本文： | 石晓荣,倪亮,王健,郭宇航.基于最小熵约束的可解释卷积神经网络[J].航天控制,2021,39(5):39-43. |
| |
| 作者姓名： | 石晓荣 倪亮 王健 郭宇航 |
| |
| 作者单位： | 北京控制与电子技术研究所,北京100038 |
| |
| 摘 要： | 导弹武器系统上的光学探测算法要求具备高可靠性,卷积神经网络属于"黑盒"模型,本文提出一种基于最小熵约束的可解释卷积神经网络,为卷积神经网络模型在导弹武器系统上的应用创造条件.该方法通过传统方法(连通域检测、边缘检测等)找到图片中存在可解释特征,通过模型对可解释特征进行评分,聚类,并通过这些特征对原模型训练提供约束,在最终预测的同时,通过评分对模型给出解释.经实验验证,该方法能够在尽量保证模型分类性能的前提下,极大提高模型的可解释性.
|
| 关 键 词： | 导弹探测 深度学习可解释性 最小熵约束 |
Interpretable CNN Based on Minimum Entropy Constraint |
| |
| Shi Xiaorong,Ni Liang,Wang Jian,Guo Yuhang.Interpretable CNN Based on Minimum Entropy Constraint[J].Aerospace Control,2021,39(5):39-43. |
| |
| Authors: | Shi Xiaorong Ni Liang Wang Jian Guo Yuhang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
