메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
고객센터 ENG
주제분류

CBM-KAN: KAN 기반 최종 분류기 도입을 통한 CBM 설명 가능성 확장 CBM-KAN: Extending Concept Bottleneck Model Interpretability by Introducing a Kolmogorov-Arnold Network-Based Final Classifier

논문 기본 정보

저자정보
(전남대학교) (전남대학교) (전남대학교) (나사렛대학교) (아스타나IT대학교) (전남대학교)
저널정보
한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제26권 제11호
발행연도
수록면
3,217 - 3,224 (8page)
DOI
10.9728/dcs.2025.26.11.3217
오류 신고하기

피인용 0

CBM-KAN: KAN 기반 최종 분류기 도입을 통한 CBM 설명 가능성 확장
검색

    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.

    최근 본 자료 전체보기

      UCI(KEPA) : I410-151-26-02-094813906