Machine learningDeep learning / NLP / CV

설명 가능한 트랜스포머

설명 가능한 트랜스포머는 표준 또는 사전 훈련된 트랜스포머 아키텍처에 사후(post-hoc) 또는 내장형 해석 가능성 기법(어텐션 롤아웃, 그래디언트 가중치 어텐션, SHAP 등)을 결합하여 각 예측을 유발한 입력 토큰 또는 영역을 밝힙니다. 이 접근 방식은 높은 예측 정확도와 고위험 또는 규제 대상 도메인에서 요구되는 투명성을 연결합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

설명 가능한 트랜스포머

BERT 기반 분류 설명 가능한 BERT 기반 분류 다중 모달 트랜스포머 Self-supervised Transfor…설명 가능한 그래프 신경망 설명 가능한 GRU 설명 가능한 LSTM (Explainable…설명 가능한 다층 퍼셉트론 설명 가능한 개체명 인식 설명 가능한 질의응답

+4 more

출처

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30. link ↗
Chefer, H., Gur, S., & Wolf, L. (2021). Transformer interpretability beyond attention visualization. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 782–791. DOI: 10.1109/CVPR46437.2021.00084 ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Explainable Transformer (Interpretability-Augmented Transformer Model). ScholarGate. https://scholargate.app/ko/deep-learning/explainable-transformer

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.

Compare side by side →

이 방법을 참조하는 항목

설명 가능한 BERT 기반 분류 설명 가능한 그래프 신경망 설명 가능한 GRU 설명 가능한 LSTM (Explainable LSTM)설명 가능한 다층 퍼셉트론 설명 가능한 개체명 인식 설명 가능한 질의응답 설명 가능한 순환 신경망 설명 가능한 RoBERTa 기반 분류 설명 가능한 문장 임베딩 설명 가능한 텍스트 요약

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →