会员服务
广义上的可解释性指在我们需要了解或解决一件事情的时候，我们可以获得我们所需要的足够的可以理解的信息，也就是说一个人能够持续预测模型结果的程度。按照可解释性方法进行的过程进行划分的话，大概可以划分为三个大类： 在建模之前的可解释性方法，建立本身具备可解释性的模型，在建模之后使用可解释性方法对模型作出解释。
Positive Semi-definite Latent Factor Grouping-Boosted Cluster-reasoning Instance Disentangled Learning for WSI Representation
Arxiv
0+阅读 · 11月4日
Interpretable Clinical Classification with Kolgomorov-Arnold Networks
Arxiv
0+阅读 · 11月13日
Interpreto: An Explainability Library for Transformers
Arxiv
0+阅读 · 12月10日
Fairness Interventions: A Study in AI Explainability
Arxiv
0+阅读 · 12月3日
Marginally interpretable spatial logistic regression with bridge processes
Arxiv
0+阅读 · 12月3日
POEMS: Product of Experts for Interpretable Multi-omic Integration using Sparse Decoding
Arxiv
0+阅读 · 11月5日
B-cos LM: Efficiently Transforming Pre-trained Language Models for Improved Explainability
Arxiv
0+阅读 · 12月9日
TabReX : Tabular Referenceless eXplainable Evaluation
Arxiv
0+阅读 · 12月17日
Interpretable additive model for analyzing high-dimensional functional time series
Arxiv
0+阅读 · 12月5日
A Zero-shot Explainable Doctor Ranking Framework with Large Language Models
Arxiv
0+阅读 · 11月24日
ReadyPower: A Reliable, Interpretable, and Handy Architectural Power Model Based on Analytical Framework
Arxiv
0+阅读 · 12月16日
Histology-informed tiling of whole tissue sections improves the interpretability and predictability of cancer relapse and genetic alterations
Arxiv
0+阅读 · 11月13日
The Effect of Enforcing Fairness on Reshaping Explanations in Machine Learning Models
Arxiv
0+阅读 · 12月1日
eXIAA: eXplainable Injections for Adversarial Attack
Arxiv
0+阅读 · 11月13日
Large Language Models for Explainable Threat Intelligence
Arxiv
0+阅读 · 11月7日
参考链接
微信扫码咨询专知VIP会员
Top