最大プラス（max-plus）ニューラルネットワークの説明可能性について
arXiv cs.CV / 2026/5/5
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、提案されたばかりの線形–min–maxニューラルネットワークの説明可能性の性質を分析し、初期化時には無限ノルムを距離としてkメドイドとして解釈できることを示します。
- 学習はデータへの適合度を高めるためにサブグラディエント降下で行われ、出力は「最も強く活性化した単一のニューロン」が決めるため、意思決定過程が追跡可能である点を強調しています。
- さらに、分類結果の変化が入力画像の単一ピクセルの変更によって起き得るかを判断する「ピクセル脆弱性（pixel fragility）指標」を提案します。
- PneumoniaMNISTデータセットでの実験では、提案手法による説明がSHAPやIntegrated Gradientsと比べて良好な結果になることが示されています。
- 総じて、本研究は特定のネットワーク構造に基づく実用的なピクセルレベル解釈可能性を、既存の帰属（アトリビューション）手法と比較して提示します。
