经由原型因子分解改进深度神经网络。一种方法可以包括接收图像集，分析图像，选择内部层，提取神经元激活，经由矩阵因子分解算法对神经元激活进行因子分解以选择原型并为所选原型中的每个生成权重，利用所选原型和所选原型的权重替换内部层的神经元激活，接收第二图像集，使用原型和权重对第二图像集进行分类，显示第二图像集、所选原型和权重，显示第二图像集的预测结果和基准真值，基于预测结果和基准真值提供错误图像；标识与错误图像相关联的所选原型的错误原型；对错误原型的错误权重进行评级，以及基于错误原型是评级在顶部的错误权重之一，输出新的图像类。