본 논문은 설명 가능한 인공지능(XAI) 분야에서 심층 신경망의 내부 추론 과정을 더 투명하게 나타내는 논증적 XAI 접근 방식에 초점을 맞추고 있습니다. 기존의 압축 방법들이 다층 신경망의 모든 층을 동시에 단순화하여 누적 정보 손실이 크다는 문제점을 지적하며, 이를 해결하기 위해 각 층을 개별적으로 압축하고 다음 층의 오류를 즉시 보정하는 반복적인 층별 압축 기법을 제안합니다. 유방암 진단 데이터셋을 이용한 실험 결과, 기존 압축 방법과 비교하여 입력-출력 및 구조적 불일치를 줄이고, 논증적 설명 체계에서 일관된 공격-지지 관계를 유지함을 보여줍니다. 이는 복잡한 MLP 모델을 더욱 컴팩트하게 만들면서도 내부 추론 논리를 왜곡 없이 전달하는 새로운 방법을 제시합니다.
