深度学习可解释性研究进展

2020 年 6 月 26 日 专知



摘要: 深度学习的可解释性研究是人工智能、机器学习、认知心理学、逻辑学等众多学科的交叉研究课题,其在信息推送、医疗研究、金融、信息安全等领域具有重要的理论研究意义和实际应用价值.从深度学习可解释性研究起源、研究探索期、模型构建期3方面回顾了深度学习可解释性研究历史,从可视化分析、鲁棒性扰动分析、敏感性分析3方面展现了深度学习现有模型可解释性分析研究现状,从模型代理、逻辑推理、网络节点关联分析、传统机器学习模型改进4方面剖析了可解释性深度学习模型构建研究,同时对当前该领域研究存在的不足作出了分析,展示了可解释性深度学习的典型应用,并对未来可能的研究方向作出了展望.

http://crad.ict.ac.cn/CN/abstract/abstract4196.shtml


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“DLEA” 可以获取《深度学习可解释性研究进展》专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看获取5000+AI主题知识资源
登录查看更多
18

相关内容

鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
专知会员服务
219+阅读 · 2020年8月1日
专知会员服务
128+阅读 · 2020年7月10日
大数据安全技术研究进展
专知会员服务
91+阅读 · 2020年5月2日
最新《可解释深度学习XDL》2020研究进展综述大全,54页pdf
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
专知会员服务
198+阅读 · 2020年3月6日
专知会员服务
232+阅读 · 2020年1月23日
零样本图像分类综述 : 十年进展
专知会员服务
123+阅读 · 2019年11月16日
【综述】生成式对抗网络GAN最新进展综述
专知
57+阅读 · 2019年6月5日
Arxiv
14+阅读 · 2020年2月6日
A Comprehensive Survey on Transfer Learning
Arxiv
119+阅读 · 2019年11月7日
AutoML: A Survey of the State-of-the-Art
Arxiv
68+阅读 · 2019年8月14日
Arxiv
26+阅读 · 2019年3月5日
Arxiv
10+阅读 · 2018年2月4日
VIP会员
相关VIP内容
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
专知会员服务
219+阅读 · 2020年8月1日
专知会员服务
128+阅读 · 2020年7月10日
大数据安全技术研究进展
专知会员服务
91+阅读 · 2020年5月2日
最新《可解释深度学习XDL》2020研究进展综述大全,54页pdf
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
专知会员服务
198+阅读 · 2020年3月6日
专知会员服务
232+阅读 · 2020年1月23日
零样本图像分类综述 : 十年进展
专知会员服务
123+阅读 · 2019年11月16日
相关论文
Arxiv
14+阅读 · 2020年2月6日
A Comprehensive Survey on Transfer Learning
Arxiv
119+阅读 · 2019年11月7日
AutoML: A Survey of the State-of-the-Art
Arxiv
68+阅读 · 2019年8月14日
Arxiv
26+阅读 · 2019年3月5日
Arxiv
10+阅读 · 2018年2月4日
Top
微信扫码咨询专知VIP会员