概念feature visualization
特征可视化
神经网络可解释性技术，通过优化输入以最大化特定神经元激活来理解神经元功能，常用方法包括梯度上升和正则化。
时间轴 (近 90 天)
10月22日
2017年，Google的研究者Chris Olah、Alexander Mordvintsev和Ludwig Schubert展示了一种方法：从随机噪声出发，反复微调像素，让某个神经元的激活值不断升高，最终生成的图像里出现了猫脸、狐狸脸和汽车前脸。
待验证50%
神经网络可解释性技术，通过优化输入以最大化特定神经元激活来理解神经元功能，常用方法包括梯度上升和正则化。
2017年，Google的研究者Chris Olah、Alexander Mordvintsev和Ludwig Schubert展示了一种方法：从随机噪声出发，反复微调像素，让某个神经元的激活值不断升高，最终生成的图像里出现了猫脸、狐狸脸和汽车前脸。