关键词explainable predictions
搜索结果 - 3
- 可解释的大语言模型交通流预测
这项研究介绍了一种基于 TP-LLM 的可解释交通预测方法,通过将多模态因素作为语言输入统一起来,避免了复杂的时空数据编程,证明了大语言模型在交通预测方面的潜力。
- 基于核 KMeans 聚类的端到端无监督决策树分割
使用贪婪最大化核 KMeans 目标,无需定义质心的 Kauri 方法,是一种用于集群的新型端到端训练的无监督二叉树,它在使用线性核时表现相同,对于其他核,Kauri 通常优于核 KMeans 和 CART 决策树的串联。
- 可解释方法中的婴儿大脑注意力方式
该文提出了一种名为 “可解释的几何深度网络” 的端到端学习方法,用于在高维数据中实现精细的可解释性,例如神经成像和神经科学研究。该方法采用学习解释性因素来增强鉴别性表示提取,以实现可解释的预测和分类结果。