BriefGPT.xyz
Ask
alpha
关键词
feature importances
搜索结果 - 4
利用反事实推理的因果生成解释器：以 Morpho-MNIST 数据集为案例研究
提出使用因果生成学习作为解释图像分类器的可解释工具，利用生成对事实推理方法研究视觉特征和因果因素对分类器决策的影响，提供了针对可解释因果数据集的对抗解释方法，通过与 OmnixAI 开源工具进行对比，发现我们的方法提供的对事实解释更可解释，
→
PDF
6 months ago
曲率惩罚在可微广义加性模型中的应用
本文讨论了广义加性模型的可解释性以及在 feature 之间出现相互作用时的问题，并提出了一种简单而有效的正则化方法以减少相互作用的影响和提升特征重要性的可解释度。
PDF
a year ago
可靠的事后解释：解释性中的不确定性建模
本文提出了基于贝叶斯框架的黑盒模型解释方法，能够生成可靠的局部解释和其关联的不确定性，并且具有稳定性和高度一致性，可以快速地解决几个重要问题。通过实证研究，证明了该方法的有效性，并提高了解释的可靠性。
PDF
4 years ago
AAAI
神经网络的全局解释：预测的映射景观
该研究提出了一种名为 GAM 的方法，可以生成全局归因，解释神经网络预测的全局地貌。该方法在仿真数据和真实数据上得到了验证，并且通过用户研究证明了对实践者的直观性，以提高神经网络决策的透明度。
PDF
5 years ago
Prev
Next