-
-
-
Understanding Video Transformers
本研究旨在解释视频Transformer的决策过程,特别是自动发现的高级时空概念,通过引入视频Transformer概念发现(VTCD)算法系统来解决这一挑战。- 266
- 0
-
-
REASONER数据集:推动可解释推荐领域的发展
REASONER数据集是一个新的可解释推荐数据集,能够广泛应用于可解释推荐、推荐系统纠偏以及基于心理学的推荐等领域。该数据集还附带了一个可解释推荐工具包,方便大家使用。- 329
- 0
-
-
-
基于Transformer结构的算法模型在计算机视觉领域的影响力及可解释性方法探索
探索基于Transformer结构的算法模型在计算机视觉领域的影响力,并介绍相关可解释性方法,包括图像分类和目标检测等任务的最新发展。- 705
- 0
-
HTE模型和XAI结合是否也是一种落地方式
本文讨论了HTE模型和XAI在机器学习中的结合是否也是一种落地方式,以及介绍了一些相关的算法和论文。通过这篇文章,读者可以了解到关于可解释性机器学习的最新发展和应用。- 322
- 0
-
-
-
马里兰&NYU合力研究神经网络模型反转技术
马里兰&NYU合力研究团队推出了一种名为\"Plug-In Inversion (PII)\"的神经网络模型反转方法,通过优化算法生成可解释的图像,有助于理解模型的学习信息。该方法结合了抖动、集成、ColorShift、居中和缩放技术,适用于不同的神经网络架构。论文地址:https://arxiv.org/pdf/2201.12961.pdf- 318
- 0
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!