interpretable neural network | BriefGPT

关键词interpretable neural network

搜索结果 - 7

GINN-LP: 发现多元洛朗多项式方程的可扩展可解释神经网络
提出了 GINN-LP，这是一个可解释的神经网络，用于发现数据集的潜在方程的形式和系数，该方程被假设为多变量劳伦多多项式的形式。通过一种新类型的可解释神经网络块，名为 “幂项逼近块”，由对数和指数激活函数组成，为此提供了便利。在符号回归的基
PDF7 months ago
NCART：用于表格数据的神经分类和回归树
通过将决策树集成到神经网络的架构中，我们提出了一种新颖的可解释性神经网络，名为 NCART，以克服深度学习方法在大规模、高维数据集和小规模数据集方面的计算效率和解释性不足的问题。与传统的深度学习模型相比，NCART 架构简单，适用于各种规模
PDFa year ago
基于多任务学习的共同潜在表观遗传调控技术，应用于自身免疫性疾病
提出了一种新颖的可解释的神经网络 MIRACLE，该网络利用自编码器和多任务学习，整合多个数据集，共同识别 DNA 甲基化中的通用模式，以预测与自身免疫疾病相关的多个表型，并提高了预测准确性。
PDFa year ago
一种可解释的神经元嵌入用于静态知识蒸馏
通过将神经元嵌入语义空间来提取它们内在的全局语义，提出了一种新的可解释神经网络方法。神经元的激活相似性和语义向量相似性被不断对齐来优化语义向量，可视化语义向量可以定性地解释神经网络的工作机制，并经过了定量的知识蒸馏任务的实验验证，表明提出的
PDF2 years ago
TFN: 一种嵌入时频变换的可解释神经网络用于智能故障诊断
本研究提出一种新颖的可解释神经网络 (Time-Frequency Network)，将物理显著的时间 - 频率变换 (TFT) 方法嵌入到传统卷积层中作为自适应预处理层，不仅提高了故障诊断性能，还揭示了 CNN 在频率域预测的逻辑基础。
PDF2 years ago
IJCAI可解释的乳腺 X 线分类：基于案例推理和深度学习的方法
介绍了一种新颖的可解释神经网络算法，并使用病例推理来辅助放射科医生进行乳腺摄影。与其他方法相比，我们的模型以相同或更高的准确率检测临床特征（肿块边缘），提供了更详细的预测解释，并能更好地区分图像的分类相关部分。
PDF3 years ago
EMNLP解释神经网络以提高礼貌理解能力
通过简单的卷积神经网络和多种网络可视化技术实现了一种较好的有关礼貌性预测的可解释神经网络，从而自动识别礼貌性理论的多种难以捉摸的语言学特征，发现多种新的高得分礼貌策略，提高了网络预测准确性并提供了神经网络成功的定量解释。
PDF8 years ago