残差表現学習は、複雑な関数の最適化問題を単純化し、従来の畳み込みニューラルネットワークで広く使用されてきました。しかし、深層ニューラル決定森林（NDF）には適用されていませんでした。本論文では、残差学習をNDFに組み込むことで、3つの公開年齢推定ベンチマークにおいて最先端レベルの精度を達成しながら、より少ないメモリと計算量で動作するモデルを開発しました。さらに、勾配ベースの手法を使用してNDFの意思決定プロセスを可視化し、顔画像入力がどのように影響を与えるかを理解することを目指しています。本研究で使用したコードと事前学習済みモデルは、https://github.com/Nicholasli1995/VisualizingNDF から入手可能です。注：文中的专业术语如“残差表現学習”、“畳み込みニューラルネットワーク”、“深層ニューラル決定森林（NDF）”、“最適化問題”、“ベンチマーク”、“勾配ベースの手法”等均采用了通用的日语译法，以保持专业性和准确性。