arXiv · cs.AI· João Kenji Suwa·· 5 天前AI 评分26
面向神经网络可解释性的事后特征选择层（post-hoc FSL）
Post-Hoc Feature Selection Layer for Neural Networks Interpretability
来源与原文
arXiv · cs.AI
作者：João Kenji Suwa
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.31420v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 post-hoc FSL，一个轻量可训练模块，可在已冻结的预训练模型上事后优化特征权重，不改动原模型架构与参数。该方法在统计与视觉指标（accuracy、F1、recall、precision、weighted t-SNE、silhouette score）上与 Integrated Gradients、DeepLIFT、Gradient SHAP、Feature Ablation 等事后方法对比，在合成与真实表格数据上均能识别相关特征，在保持原模型预测能力的同时提升可解释性。该工作已被 2026 IJCNN 接收。
来源：arXiv · cs.AI · arxiv.org