MMJan, 2022

一种面向质量感知的 IoE 服务交付的可解释人工智能框架

PDF
TL;DR本文提出一种可解释的人工智能框架，以实现面向质量的 IoE 服务交付，通过 Shapley 值解释确定语境矩阵的系数，最终，实验结果表明，Extra Trees 回归模型对准确性和解释性之间的权衡具有显着的性能优势。
6g wireless networksartificial intelligenceinternet of everythingexplainable artificial intelligencecontextual metrics
发现论文，激发创造
  • 可解释性物联网人工智能：概述、现状和未来方向

    论文综述了可解释人工智能（XAI）在物联网中的应用，重点介绍了 XAI 在安全增强、医疗物联网（IoMT）、工业物联网（IIoT）和城市物联网（IoCT）等应用中的广泛使用以及在这些应用中 XAI 模型的实现选择，同时介绍了边缘 XAI 结构和第六代（6G）通信服务对物联网应用的支持。

    Nov, 2022

  • 神经符号可解释的人工智能双胞胎用于无触碰 IoE 的无线网络

    本文提出了一种基于神经符号的可解释人工智能双胞胎框架，以实现对于无线万物互联环境下网络和服务管理的可靠信任，该框架通过神经网络驱动的多元回归捕捉时间相关的无线万物互联环境，并通过基于有向无环图的贝叶斯网络对无意识决策进行符号推理，实现了对显式学习者和隐式学习者的管理。实验结果表明，所提出的神经语义 XAI 双胞胎在理性和闭环自动化方面可实现约 96.26％的准确性，并保证了 18％到 44％的更多信任分数。

    Oct, 2022

  • 可解释人工智能（XAI）在 6G 中的应用：增强人机之间的信任

    本综述旨在探讨可解释人工智能在 6G 系统中的应用，包括公共和法律动机、解释性定义、性能与解释性权衡、提高可解释性的方法以及将可解释性纳入未来无线系统的框架，由 PHY 和 MAC 层的优化案例研究支持。

    Nov, 2019

  • 可解释人工智能（XAI）在物联网中的应用调查

    本文针对黑盒子人工智能模型存在的不可解释性问题，在物联网领域提供了一些可解释的人工智能模型的系统性研究和分类，同时探讨了一些挑战性问题和未解决问题，并给出了未来发展方向。

    Jun, 2022

  • 网络安全可解释人工智能调查

    通过对网络系统中的网络驱动安全威胁和问题进行系统分类，本文就网络安全中的可解释人工智能问题进行了回顾和研究，探讨了解释人工智能目前的挑战和局限性，并提出了未来的研究方向。

    Mar, 2023

  • 解释性人工智能（XAI）评估方法的新视角

    要在可行性、领域特征和风险考虑等方面综合权衡，才能更好地协商可解释性和系统性能之间的平衡，并为未来研究和最佳实践提供基础。

    Jul, 2023

  • 可解释人工智能分析和设计的多组件框架

    这篇论文讨论了符合科学历史的可解释人工智能 (XAI) 的框架问题，其原因追溯至现代机器学习（尤其是深度和强化学习）和对创造值得信赖的 AI 系统的关注，它的五个级别框架是 XAI 的关键组成部分。

    May, 2020

  • 超越 5G 安全的可解释人工智能综述：技术方面、使用案例、挑战和研究方向

    本研究旨在探索解释机器学习方法在 B5G 安全领域的潜力，从而使决策过程透明可理解，系统自动化行为可追溯管理，涵盖 5G、B5G、人工智能、机器学习和解释机器学习方法的研究。

    Apr, 2022

  • 可解释人工智能 (XAI) 中的机遇与挑战：一份调查

    本文介绍了深度学习中可解释人工智能技术（XAI），提出了技术分类法并介绍了方法学、范畴和应用层次等主要原则，旨在建立可信、可解释和自说明的深度学习模型。此外，通过八种不同的可解释人工智能算法对图像数据进行了评估，讨论了这种方法的局限性，并提出了未来改进的潜在方向。

    Jun, 2020

  • OAK4XAI: 面向数字农业的开箱即用可解释人工智能模型

    本文研究利用可解释人工智能 (XAI) 框架 (OAK4XAI) 中的知识图谱模型和本体设计来解决数字农业数据挖掘中由于背景知识不足而导致的解释困难问题，并且建立了适用于农业和计算领域的农业计算本体 (AgriComO) 以解释挖掘出的知识。

    Sep, 2022