基于自适应温度改进的可解释方法及实验验证

针对教师-学生网络存在的超参数温度控制效率低、时间开销大的问题,提出了一种基于自适应温度的小教师网络辅助训练的可解释模型.在原有教师-学生模型结构的基础上,首先,说明超参数温度只与学生模型的训练收敛速度相关;然后,加入小教师模型结构,节约了解释模型的训练时间.在图像分类的验证实验中,解释模型在cifar-100图像数据集的平均TOP-1准确率相比原有方法提高了2.45%,处理时间节约了26.33%.提出的方法能对待解释模型进行全局近似,是一种处理时间较短的事后可解释方法.