深度同位素嵌入网络:一个灵活的单调神经网络.
Jiachi Zhao1, Hongwen Zhang2, Yue Wang3
1Zhejiang University, Hangzhou, 310058, Zhejiang, PR China.
概括
本研究介绍了深度同位素嵌入网络 (DIEN),这是一个新的单调神经网络. DIEN有效地保证了模型单调性,提高了机器学习中的公平性和可解释性.
科学领域:
- 机器学习 机器学习
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 确保模型单调性对于机器学习中的公平性,可解释性和概括性至关重要.
- 现有的保证单调性的方法可能是复杂的或需要额外的验证.
研究的目的:
- 开发一种新的单调神经网络,即深度同位素嵌入网络 (DIEN).
- 提供一种方法,保证模型单调性,无需复杂的结构或额外的验证.
主要方法:
- DIEN使用单独的模块处理单调和非单调的特征.
- 一个同位素嵌入单元将单调的特征转换为同位素嵌入向量.
- 非单调的特征被转换为重量向量,并与同质嵌入相结合,以确保单调性.
主要成果:
- DIEN成功地保证了学习模型的单调性.
- 单调特征学习网络模块捕获复杂的单调特征依赖关系.
- 在合成和现实数据集上的实验结果显示了DIEN的卓越性能.
结论:
- DIEN提供了一种直观而有效的方法来构建单调的神经网络.
- 与现有技术相比,该方法简化了确保单调性的过程.
- 在性能和可解释性方面,DIEN表现出了显著的优势.
