《表3 深度学习可解释性研究方法的主流方向》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《医学影像处理的深度学习可解释性研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

深度学习模型由输入、中间隐层、输出3部分组成，其中，中间隐层的每个神经元均由上一层的线性组合和一个非线性函数组成，虽然已知参数的值和训练过程，但因中间隐层高度非线性，无法理解深度学习模型的具体含义和行为。深度学习的目的是从样本数据中发现知识和规律并解决实际问题，而神经网络神经元的分层组合形式，则从物质组成的视角理解神经网络的运作方式，在此过程中，如果能提供可被理解的数据信息或模型信息，则有助于找到理解和解决问题的方法。以上均可归纳为可解释性研究方法，深度学习可解释性研究方法的主流方向见表3。