explainable models | BriefGPT

关键词explainable models

搜索结果 - 8

预定义原型的类内分离与解缠
该研究论文提出了一种基于人工指定标准预定义原型的原型学习方法，其可以增加类别之间的嵌入可分性并解耦嵌入的不同方差因素，从而实现可解释的预测。通过提供实验证明了该方法的优势。
PDF13 days ago
ProtoS-ViT：稀疏自解释分类的视觉基础模型
冷冻预训练的 ViT 后骨干能有效地转化为示范性模型，提高模型的准确性、简洁性和可解释性，通过一系列定量和定性指标评估模型可解释性。
PDF22 days ago
使用类别关联嵌入的图像分类器精确解释模型
图像分类是数据分析中的一个主要任务，其中需要关注解释性模型；本研究提出了一个结合全局和局部知识优势的生成式解释模型来解释图像分类器，通过一种表征学习方法实现了对每个样本的解释，并将其与现有方法进行了对比，结果表明该方法能够取得更高的准确度。
PDF24 days ago
QUCE：基于路径的生成反事实解释不确定性的最小化和量化
我们介绍了 Quantified Uncertainty Counterfactual Explanations (QUCE) 方法，以减轻路径不确定性，不仅在提供解释时量化不确定性，而且生成更加确定的反事实例子。
PDF4 months ago
评估单一 RNN 作为端到端组合语法模型
通过使用 LSTM 和矩阵乘法编码单元矩阵的 unitary-evolution 循环神经网络 (URN)，成功地处理了两种类型的句法模式，这对于深度学习在自然语言处理中提高可解释性具有重要意义。
PDF2 years ago
CVPR可解释模型的依赖分解和拒绝选项
本文针对深度学习模型的可解释性分析依赖因素作出第一次研究，提出 Explanation Dependency Decomposition 方法，并使用解释验证预测结果。
PDF4 years ago
ICML关于黑盒预测的二阶群影响函数
本文探讨了二阶影响函数的概念，提出使用二阶影响函数来识别测试预测中有影响的训练样本组，特别是在涉及较大的训练样本集合时，相较于现有的一阶影响函数有更为显著的提高，增强了影响值与实际值之间的相关性。同时展示了如何利用优化技术来选择最具影响力的
PDF5 years ago
IJCAI解释性人工智能模型中的填补难题
本文探讨了 AI 模型中的 imputation 问题及相应应对方法，强调使用 imputed values 时容易产生 counterfactuals 及 unsafe outcomes 问题。
PDF5 years ago