关键词self-explainable models
搜索结果 - 2
- 基于原型的可解释性乳腺癌预测模型:分析与挑战
通过原型评估框架 (PeF-C) 定量评估领域知识基础上的原型质量,我们首次系统评估使用我们的 PEF-C 定制的乳腺癌医学图像原型,发现原型质量有待改善以提高相关性、纯度和学习多样性。
- 无需重新训练的典型自解释模型
通过 K-Means Explainer(KMEx)方法,将任何现有的预训练模型转换为原型式可自解释模型,以实现更透明的基于深度学习的决策,通过无需重新训练基础模型的类原型解释,保证解释的多样性和可信度,提供了一种简单但高效的普适方法。