neural additive models | BriefGPT

关键词neural additive models

搜索结果 - 8

神经相加图片模型：插值解释
通过综合建模方法，结合神经添加模型和扩散自编码器，我们能够有效识别图像效果的潜在隐藏语义并完全理解表格效果的影响。我们的方法具有高度灵活性，使我们能够全面探索各种图像特征的影响。通过消融实验，我们展示了该方法能够准确识别复杂的图像效果。为了
PDF4 months ago
AAAI高斯过程神经附加模型
神经外包模型（NAMs）的发展标志着可解释的深度学习在表格数据集上的重要进展，我们提出了一种新的 NAMs 子类 —— 通过随机傅立叶特征的高斯过程的单层神经网络结构，称为高斯处理神经外加模型（GP-NAM），它具有凸优化函数和可训练参数数
PDF5 months ago
关于在关系事件模型中使用神经网络建模非线性效应
通过引入 Deep Relational Event Additive Model (DREAM) 解决了在建模 Relational Event Models (REMs) 中由非线性效应引起的计算挑战，该方法通过便捷地在图形处理单元 (
PDF7 months ago
如何解决模型风险管理中的单调性问题？
本文研究基于单调性建立透明机器学习模型的可信度和公平性问题。研究了如何在保持透明性的情况下提高单调性，并提出了神经加性模型的单调树林方法。实验证明，实践中常常违反单调性，但采用单调树林的神经加性模型具有透明性，可信度和公平性。
PDFa year ago
AI 伦理和社会的单调性：在犯罪学、教育、医疗保健和金融领域中单调神经加法模型的实证研究
应用神经附加模型，强制执行单调性原则以保证人工智能伦理和社会的公平性问题，是所有公平领域的必要因素，包括犯罪学，教育，医疗和金融等。
PDFa year ago
神经加法模型通用手套：追求金融中透明且准确的机器学习模型
介绍了一种透明且可解释的机器学习算法，应用于高度监管的金融行业中，能够提供最优准确度和可解释性。
PDF2 years ago
神经加性模型用于实时预测
应用神经加法模型 (NAMs) 研究多变量预测问题，使用广义加法模型为每个输入变量提供解释性并且能够成功地对多元时间序列数据进行预测。
PDF2 years ago
神经加性模型：利用神经网络进行可解释的机器学习
由于深度神经网络在高风险领域应用时存在的不透明性，本文提出了一种名为神经添加模型（NAMs）的方法，将神经网络的表现力和广义可加模型的内在可解释性结合起来，令其在高风险领域有更好的应用前景，同时 NAMs 表现出了良好的性能，其可用于多任务
PDF4 years ago