인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
설명 가능한 인공지능(eXplainable Artificial Intelligence, XAI)의 핵심 방법론인 CBM(Concept Bottleneck Models)은 중간 개념을 통해 높은 설명력을 제공하지만, 최종 분류기가 블랙박스 MLP(Multilayer Perceptron)로 구성되어 설명의 연쇄가 단절되는 근본적인 한계를 가진다. 이 문제를 해결하기 위해, 내재적으로 설명 가능한 KAN(Kolmogorov-Arnold Network)을 활용한 CBM-KAN 아키텍처를 제안한다. 제안하는 모델은 Top-1 정확도 80.53%를 달성하여 기존 모델의 성능(79.75%)과 동등한 성능을 보였다. 또한, KAN의 활성화 함수를 직접 시각화함으로써, 기존 사후 설명 방식으로는 불가능했던, 개념 신뢰도 값과 최종 분류 사이의 명시적인 함수 관계를 파악할 수 있었다. 이를 통해 제안 모델이 성능 저하 없이 최종 분류 단계의 설명 가능성을 확보할 수 있는 효과적인 방법론임을 입증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094813906
