中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/89623
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 78818/78818 (100%)
造访人次 : 34794976      在线人数 : 650
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/89623


    题名: On the Study of Feedforward Neural Networks: an Experimental Design Approach
    作者: 黃文杰;Huang, Wen-Jie
    贡献者: 統計研究所
    关键词: 可解釋深度神經網路;前饋式神經網路;實驗設計;完全因子設計;通用近似定理;Explainable deepneuralnetwork;Feedforwardneuralnetwork;Designof experiment;Fullfactorialdesign;Universalapproximationtheorem
    日期: 2022-07-14
    上传时间: 2022-10-04 11:49:41 (UTC+8)
    出版者: 國立中央大學
    摘要: 深度神經網路是一種重要的機器學習工具,在許多領域具有優異的表現。然而, 由於其黑盒性質,讓使用者很難了解輸入數據如何驅動神經網路。新的深度神經網路 技術被開發與應用,解釋深度神經網路決策過程的新方法也逐漸發展成為活躍的研究 領域。Gevrey,Dimopoulos,andLek(2003) 與 Pizarroso, Portela,andMuñoz(2020) 提 供計算敏感度的方法及神經解釋圖說明輸入與輸出的關係,然而這種方法並未得到廣 泛應用。在本論文中,我們從統計的角度探討了通用近似定理。此外,我們提出一種 使用實驗設計技術來解釋深度神經網路輸入與輸出關係的新方法,並透過模擬和真實 例子來展示。;Deep neural networks (DNNs) are an essential machine learning tool with excellent performance in many fields. However, due to its black-box nature, it is difficult for users to understand how the input data drives the neural network. New DNN technologies are developed and applied, and new explainable methods have been an active research field. Gevrey etal.(2003) and Pizarrosoetal.(2020) provide methods for evaluating sensitivity and the neural interpretation diagram to illustrate the relationship between inputs and outputs. However, these methods have not yet been heavily recognized. In this thesis, we tackle the universal approximation theorem based on a statistical perspective, In addition, we propose a new method to explain the relationship between the inputs and outputs of a DNN using the technique of experimental design. We finally illustrate the proposed method through simulations and real examples.
    显示于类别:[統計研究所] 博碩士論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML66检视/开启


    在NCUIR中所有的数据项都受到原著作权保护.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明