訓練データを用いてAIの予測根拠を説明する手法　Neural Network Consoleでの実装を解説

この動画は，ネットワークのパラメタを訓練データの中間特徴量を用いて表現することで，テストデータの予測の根拠となる訓練データを示し，予測の根拠を説明する技術であるRepresenter Point SelectionのNeural Network Console上での実装方法に関する解説動画です。

■ダウンロードリンク(github)
動画内で触れられているコンテンツのリンクです。
https://github.com/sony/nnc-plugin (nnc-plugin)

■論文リンク
https://proceedings.neurips.cc/paper/2018/file/8a7129b8f3edd95b7d969dfc2c8e9d9d-Paper.pdf
Chih-Kuan Yeh, Joon Sik Kim, Ian E.H. Yen, Pradeep Ravikumar.
"Representer Point Selection for Explaining Deep Neural Networks", NeurIPS 2018

■Neural Network Libraries での実装
https://github.com/nnabla/nnabla-examples/tree/master/responsible_ai/representer_point

■動画チャンネル紹介
ソニーが提供するオープンソースのディープラーニング（深層学習）フレームワークソフトウェアのNeural Network Libraries（ https://nnabla.org/, https://github.com/sony/nnabla/ ）に関連する情報を紹介する動画チャンネルを開設しました（ https://www.youtube.com/c/nnabla ）。
Neural Network Librariesのチュートリアル・Tipsに加え、最先端のディープラーニングの技術情報（講義、最先端論文紹介）などを発信していきます。チャンネル登録と応援よろしくおねがいします！
同じくソニーが提供する直感的なGUIベースの深層学習開発環境のNeural Network Console
（ https://dl.sony.com/ ）が発信する大人気のYouTubeチャンネル
（ https://www.youtube.com/c/NeuralNetwo... ）でもディープラーニングの技術講座やツールのチュートリアルを多数公開しています。こちらもチャンネル登録と応援よろしくおねがいします。