Fidelity

사진:Unsplash의 Yeshi Kangrang

"피델리티(Fidelity)"란, 모델의 예측 결과가 실제 결과와 얼마나 일치하는지를 나타내는 지표입니다.

예를 들어, 이미지 분류 문제에서 딥러닝 모델이 강아지 사진을 고양이로 분류하면 피델리티는 낮게 나타납니다.

모델의 피델리티가 높다는 것은 입력 데이터와 모델의 출력 데이터가 서로 매우 유사하다는 것을 의미합니다.
이는 모델이 입력 데이터를 정확하게 학습하고, 이에 대한 정확한 예측을 수행한다는 것을 나타냅니다.

딥러닝에서 피델리티는 일반적으로 손실 함수(loss function)를 통해 측정됩니다.
손실 함수는 모델이 예측한 출력 값과 실제 정답 데이터 사이의 차이를 계산하는 함수로, 이 값이 작을수록 피델리티가 높은 모델이 됩니다.

이러한 피델리티를 높이기 위해 딥러닝 모델의 학습 과정에서는

• 가중치(weight)와 편향(bias)을 조절하거나, 하이퍼파라미터(hyperparameter)를 조정하는 등 적절한 모델 구조 및 하이퍼파라미터를 선택하고,
• 충분한 양의 훈련 데이터를 사용하여 모델을 학습시켜야 합니다.
• 또한, 데이터 전처리 및 데이터 확장 등의 기법을 사용하여 모델이 입력 데이터를 더욱 정확하게 학습할 수 있도록 해야 합니다.

Related literature

• Yang, Ziqi. "Fidelity: A property of deep neural networks to measure the trustworthiness of prediction results." Proceedings of the 2019 ACM Asia Conference on Computer and Communications Security. 2019.
• He, Yi, Prasanna Balaprakash, and Yanjing Li. "Fidelity: Efficient resilience analysis framework for deep learning accelerators." 2020 53rd Annual IEEE/ACM International Symposium on Microarchitecture (MICRO). IEEE, 2020.
• Velmurugan, Mythreyi, et al. "Developing a fidelity evaluation approach for interpretable machine learning." arXiv preprint arXiv:2106.08492 (2021).