《表3 深度学习可解释性研究方法的主流方向》
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。
图表编号 | XD00199986700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 陈园琼、邹北骥、张美华、廖望旻、黄嘉儿、朱承璋 |
绘制单位 | 中南大学计算机学院、吉首大学软件学院、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、中南大学计算机学院、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、吉首大学软件学院、中南大学计算机学院、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、中南大学计算机学院、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、中南大学文学与新闻传播学院 |
更多格式 | 高清、无水印(增值服务) |