Machine learningDeep learning / NLP / CV
説明可能なLSTM (Explainable LSTM)
説明可能なLSTMは、訓練済みの長短期記憶 (LSTM) ネットワークに、後付けの解釈可能性手法（主にSHAP、LIME、統合勾配、または注意機構の可視化）を組み合わせて、どの時間ステップ、トークン、または特徴量が各予測を駆動しているかを明らかにします。これにより、再帰型深層学習の精度と、臨床意思決定支援、不正検出、規制遵守などの高リスク領域で要求される透明性を橋渡しします。
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
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). "Why should I trust you?": Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1135–1144. DOI: 10.1145/2939672.2939778 ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ja/deep-learning/explainable-lstm
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BERTベース分類深層学習↔ compare
- 説明可能なGRU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
- Long Short-Term Memory (LSTM)深層学習↔ compare