深度学习可解释性内涵和分类

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：近年来,深度学习在多个行业得到了广泛应用,效果显著.深度学习虽然具有数学统计原理基础,但是对于任务知识表征学习尚缺乏明确解释.对深度学习理论研究的缺乏将导致即时可以通过各种训练方法使得模型得到满意输出,但不能解释模型内部究竟如何进行工作才得到有效结果.本文从深度学习可解释性内涵和分类角度出发,阐述了深度学习可解释性,以期有助于其他学者研究.

外文标题：Deep Learning Interpretable Connotation and Classification

作者：

于芝枝

展开 >

作者单位：

国家知识产权局专利局专利审查协作广东中心,广州 510535

关键词：

可解释性深度学习分类

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.20.014