基于逐层增量分解的深度网络神经元相关性解释方法
陈艺元， 李建威， 邵文泽， 孙玉宝 - 自动化学报, 2024 - aas.net.cn
神经网络的黑箱特性严重阻碍了人们关于网络决策的直观分析与理解. 尽管文献报道了多种基于
神经元贡献度分配的决策解释方法, 但是现有方法的解释一致性难以保证, 鲁棒性更是有待改进 …
神经元贡献度分配的决策解释方法, 但是现有方法的解释一致性难以保证, 鲁棒性更是有待改进 …
基于逐层增量分解的深度网络神经元相关性解释方法
陈艺元， 李建威， 邵文泽， 孙玉宝 - 自动化学报, 2024 - aas.net.cn
神经网络的黑箱特性严重阻碍了人们关于网络决策的直观分析与理解. 尽管文献报道了多种基于
神经元贡献度分配的决策解释方法, 但是现有方法的解释一致性难以保证, 鲁棒性更是有待改进 …
神经元贡献度分配的决策解释方法, 但是现有方法的解释一致性难以保证, 鲁棒性更是有待改进 …