スゲノ積分による二値化ニューラルネットワーク推論の見取り図

arXiv cs.AI / 2026/4/21

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

この論文は、二値化ニューラルネットワーク（BNN）の推論とスゲノ積分の間に明確な数学的対応関係を導き、BNNの各ニューロンのしきい値テストがスゲノ積分の枠組みで表現できることを示します。
隠れ層の各ニューロンの判断を、集合関数の形と等価なルールベース（if-then）表現の両方に翻訳し、推論ロジックの解釈可能性を高めます。
著者らは最終層のスコアについてもスゲノ積分による表式を提示し、隠れユニットからネットワーク出力まで解釈可能性を拡張します。
本研究では、BNNが生み出す厳密な二値条件にとどまらず、より豊かな入力相互作用を扱うために同じ枠組みをどう適応・一般化できるかを議論しています。

Abstract

本記事では、二値化ニューラルネットワーク（BNN）とスゲノ積分の間の正確な対応関係を確立する。スゲノ積分の利点は、入力の重要性とそれらの相互作用を表現するための枠組みを提供すると同時に、if-then（もし〜なら）規則の集合と等価である点にある。推論時における隠れ層BNNニューロンについて、活性化閾値テストが二値入力上のスゲノ積分として記述できることを示す。これにより、各ニューロンの意思決定に対する明示的な集合関数による表現と、対応するルールベースの表現が得られる。さらに、最終層のスコアに対するスゲノ積分の式も提示する。最後に、同じ枠組みをより豊かな入力相互作用を支援するように適応する方法と、二値化ニューラルネットワークによって誘導される二値の場合を超えて拡張する方法について議論する。