深度学习模型可解释性研究综述OA北大核心CSCDCSTPCD
Survey of Interpretability Research on Deep Learning Models
深度学习技术以数据驱动学习的特点,在自然语言处理、图像处理、语音识别等领域取得了巨大成就.但由于深度学习模型网络过深、参数多、复杂度高等特性,该模型做出的决策及中间过程让人类难以理解,因此探究深度学习的可解释性成为当前人工智能领域研究的新课题.以深度学习模型可解释性为研究对象,对其研究进展进行总结阐述.从自解释模型、特定模型解释、不可知模型解释、因果可解释性四个方面对主要可解释性方法进行总结分析.列举出可解释性相关技术的应用,讨论当前可解释性研究…查看全部>>
曾春艳;严康;王志锋;余琰;纪纯妹
湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室,武汉 430068湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室,武汉 430068华中师范大学 数字媒体技术系,武汉 430079湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室,武汉 430068中国移动通信集团广东有限公司 汕头分公司,广东 汕头 515041
信息技术与安全科学
深度学习可解释性人工智能因果可解释自解释
《计算机工程与应用》 2021 (8)
数字音频被动取证关键技术研究
1-9,9
国家自然科学基金(61901165,61501199)湖北省自然科学基金(2017CFB683)华中师范大学中央高校基本科研业务费项目(CCNU20ZT010).
评论