会员服务

What is Unique in Individual Gait Patterns? Understanding and Interpreting Deep Learning in Gait Analysis

2018 年 8 月 13 日 Arxiv Fabian Horst,Sebastian Lapuschkin,Wojciech Samek,Klaus-Robert Müller,Wolfgang I. Schöllhorn
登录查看更多
1

相关内容

【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具，Interpreting Interpretability: Understanding Data Scientists’Use of Interpretability Tools for Machine Learning
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具，Interpreting Interpretability: Understanding Data Scientists’Use of Interpretability Tools for Machine Learning
专知会员服务
53+阅读 · 2020年3月8日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
75+阅读 · 2020年2月8日
【2019/2020之交的机器学习/深度学习技术概述】《2019 In-Review and Trends for 2020 – A Technical Overview of Machine Learning and Deep Learning!》by Analytics Vidhya
【2019/2020之交的机器学习/深度学习技术概述】《2019 In-Review and Trends for 2020 – A Technical Overview of Machine Learning and Deep Learning!》by Analytics Vidhya
专知会员服务
19+阅读 · 2020年2月1日
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
专知会员服务
28+阅读 · 2019年10月30日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
143+阅读 · 2019年10月12日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
77+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
98+阅读 · 2019年10月9日
AI可解释性文献列表
AI可解释性文献列表
专知
42+阅读 · 2019年10月7日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
人工智能 | SCI期刊专刊信息3条
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】深度学习情感分析综述
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
A Survey of Methods for Low-Power Deep Learning and Computer Vision
A Survey of Methods for Low-Power Deep Learning and Computer Vision
Arxiv
12+阅读 · 2020年3月24日
Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges toward Responsible AI
Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges toward Responsible AI
Arxiv
73+阅读 · 2019年10月22日
Revealing the Dark Secrets of BERT
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
Fine-grained Sentiment Analysis with Faithful Attention
Fine-grained Sentiment Analysis with Faithful Attention
Arxiv
5+阅读 · 2019年8月19日
Interpretable machine learning: definitions, methods, and applications
Interpretable machine learning: definitions, methods, and applications
Arxiv
17+阅读 · 2019年1月14日
Combination of Domain Knowledge and Deep Learning for Sentiment Analysis
Arxiv
3+阅读 · 2018年6月22日
Visual-textual Attention Driven Fine-grained Representation Learning
Arxiv
3+阅读 · 2018年4月26日
Interpretable Counting for Visual Question Answering
Arxiv
6+阅读 · 2018年3月2日
Visual Interpretability for Deep Learning: a Survey
Arxiv
16+阅读 · 2018年2月7日
Deep Learning for Sentiment Analysis : A Survey
Arxiv
25+阅读 · 2018年1月24日
VIP会员
相关主题
可理解性
ML
黑盒子
学成
INFORMS
CASES
计算学习理论
机器学习
相关VIP内容
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具，Interpreting Interpretability: Understanding Data Scientists’Use of Interpretability Tools for Machine Learning
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具，Interpreting Interpretability: Understanding Data Scientists’Use of Interpretability Tools for Machine Learning
专知会员服务
53+阅读 · 2020年3月8日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
75+阅读 · 2020年2月8日
【2019/2020之交的机器学习/深度学习技术概述】《2019 In-Review and Trends for 2020 – A Technical Overview of Machine Learning and Deep Learning!》by Analytics Vidhya
【2019/2020之交的机器学习/深度学习技术概述】《2019 In-Review and Trends for 2020 – A Technical Overview of Machine Learning and Deep Learning!》by Analytics Vidhya
专知会员服务
19+阅读 · 2020年2月1日
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
专知会员服务
28+阅读 · 2019年10月30日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
143+阅读 · 2019年10月12日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
77+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
98+阅读 · 2019年10月9日
热门VIP内容
相关资讯
AI可解释性文献列表
AI可解释性文献列表
专知
42+阅读 · 2019年10月7日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
人工智能 | SCI期刊专刊信息3条
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】深度学习情感分析综述
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
相关论文
A Survey of Methods for Low-Power Deep Learning and Computer Vision
A Survey of Methods for Low-Power Deep Learning and Computer Vision
Arxiv
12+阅读 · 2020年3月24日
Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges toward Responsible AI
Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges toward Responsible AI
Arxiv
73+阅读 · 2019年10月22日
Revealing the Dark Secrets of BERT
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
Fine-grained Sentiment Analysis with Faithful Attention
Fine-grained Sentiment Analysis with Faithful Attention
Arxiv
5+阅读 · 2019年8月19日
Interpretable machine learning: definitions, methods, and applications
Interpretable machine learning: definitions, methods, and applications
Arxiv
17+阅读 · 2019年1月14日
Combination of Domain Knowledge and Deep Learning for Sentiment Analysis
Arxiv
3+阅读 · 2018年6月22日
Visual-textual Attention Driven Fine-grained Representation Learning
Arxiv
3+阅读 · 2018年4月26日
Interpretable Counting for Visual Question Answering
Arxiv
6+阅读 · 2018年3月2日
Visual Interpretability for Deep Learning: a Survey
Arxiv
16+阅读 · 2018年2月7日
Deep Learning for Sentiment Analysis : A Survey
Arxiv
25+阅读 · 2018年1月24日
大家都在搜
  1. 无人艇
  2. 李清照词作
  3. 基于大型语言模型
  4. 无人地面车辆
  5. 兵棋推演
  6. MoE
  7. 智能仓储
  8. ads-b
  9. 电力电子
  10. 性别年龄戴眼镜识别论文
    11.
Top
微信扫码咨询专知VIP会员
Top