Mar, 2025

基于替代模型的人工智能驱动边缘服务的联合可解释性-性能优化

TL;DR本研究解决了复杂人工智能模型的可解释性与预测准确性之间的平衡问题,提出了一种联合训练方案,通过多目标优化算法同时最小化复杂模型的预测误差及其替代模型的近似误差。研究结果表明,该方法显著提高了替代模型对黑箱模型的准确近似,超过99%的提升,同时仅使复杂模型的预测准确性减少不到3%。