自解释模型

隐藏的单调性：通过 DC 分解解释深度神经网络

Hidden Monotonicity: Explaining Deep Neural Networks via their DC Decomposition

把训练好的 ReLU 网络拆成两个单调凸部分（DC 分解）并解决权重爆炸的数值问题，可直接替换现有 CAM/LRP 的传播规则，得到更忠实的显著性图；同时可用「两个单调网络之差」的架构训练天生自解释的视觉模型。