Machine learningDeep learning / NLP / CV
説明可能なGRU
説明可能なGRUは、コンパクトで効率的なリカレントアーキテクチャであるゲート付きリカレントユニット（GRU）と、SHAP、LIME、またはアテンション重み付けなどの説明可能性技術をペアにし、各予測を駆動した時間ステップと特徴を明らかにします。GRUの時系列依存性を捉える能力を犠牲にすることなく、シーケンシャルモデリングに解釈可能性をもたらします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. Proceedings of EMNLP 2014, 1724–1734. DOI: 10.3115/v1/D14-1179 ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A Unified Approach to Interpreting Model Predictions. Advances in Neural Information Processing Systems (NeurIPS), 30, 4765–4774. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Gated Recurrent Unit. ScholarGate. https://scholargate.app/ja/deep-learning/explainable-gru
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 説明可能なLSTM (Explainable LSTM)深層学習↔ compare
- 説明可能なリカレントニューラルネットワーク深層学習↔ compare
- Explainable Transformer深層学習↔ compare
- Gated Recurrent Unit (GRU)深層学習↔ compare
- Long Short-Term Memory (LSTM)深層学習↔ compare