interpretable representation | BriefGPT

关键词interpretable representation

搜索结果 - 7

基于变分自编码器学习概念的蜂窝网络可解释异常检测
该研究采用变分自编码器的方法解决了在移动网络中可解释的异常检测问题，该方法可以学习每个关键性能指标的可解释表示，使用重构误差和 Z 分数检测异常，通过附加信息中心增强表征学习，从而实现了异常可解释性和自主检测，同时展示了深度学习算法处理大数
PDFa year ago
基于虚拟检查层的时序可解释人工智能
本文介绍了一种虚拟检查层，可以将时间序列转换为可解释的表示形式，使得 XAI 的方法可以适用于仅在转换后才能被解释的领域，如语音，同时演示了 DFT-LRP 在各种时间序列分类设置中的应用，并显示了 DFT-LRP 如何显示出不同分类策略的
PDFa year ago
CVPR神经延迟着色的多视角网格重建
提出了一种分析合成方法，用于快速多视角不透明物体的三维重建，通过将表面表示为三角形网格并围绕三角形光栅化和神经阴影构建可微分的渲染管道，优化三角形网格和神经着色器来重现多视图图像，并研究了着色器，发现它学习了可解释的外观表示。
PDF2 years ago
i-MAE：掩蔽自编码器中的潜在表示是否线性可分？
本文介绍了一种名为 i-MAE 的简单而有效的可解释 MAE (Interpretable MAE) 框架，通过在 CIFAR-10/100，Tiny-ImageNet 和 ImageNet-1K 数据集上进行广泛实验，证明其是解释 MAE
PDF2 years ago
CVPR面向无监督学习的生成模型，用于三维可控图像合成
该研究探索了使用生成对抗网络在三维空间中进行图像合成的可能性，并提出了一种无监督的方法，可从原始图像中解开简单场景的隐含三维因素。与纯二维基线相比，该方法允许合成与视角或物体姿势变化一致的场景，可用于实现 3D 可控图像合成，生成具有可解释
PDF5 years ago
KDD基于贝叶斯泊松张量分解的从稀疏子项事件计数推断多边关系
使用贝叶斯张量分解模型对动态二元交互模式进行潜在群体结构的推断，以及通过推理的低维、可解释的表示捕捉到多边关系。
PDF9 years ago
深度卷积逆图形网络
本文提出了 Deep Convolution Inverse Graphics Network（DC-IGN）模型，用于学习图像的可解释表示，该表示与平面外旋转和光照变化等变换无关，模型采用多层卷积和反卷积操作，并使用随机梯度变分贝叶斯算法
PDF9 years ago