跳到主要内容
评论文章
免费访问

可解释机器学习技术

出版:2019年12月20日 出版历史

摘要

揭示机器学习模型做出决策的神秘方式。

工具书类

[1]
Altmann,A.、Tološi,L.、Sander,O.和Lengauer T.置换重要性:一种修正的特征重要性度量。生物信息学26, 10 (2010), 1340--1347.
[2]
Ancona,M.、Ceolini,E.、Oztireli,C.和Gross,M.更好地理解深度神经网络的基于梯度的属性方法。实习生会议记录。Conf.学习表现, 2018.
[3]
Bach,S.、Binder,A.、Montavon,G.、Klauschen,F.、Müller K.-R和Samek,W.关于通过分层相关传播对非线性分类器决策的像素级解释。公共科学图书馆One 10,7(2015),e0130140。
[4]
Bahdanau,D.、Cho,K.和Bengio,Y.通过联合学习对齐和翻译实现神经机器翻译。实习生会议记录。Conf.学习表现, 2015.
[5]
Bastani,O.、Kim,C.和Bastani、H.通过模型提取进行解释。机器学习研讨会中的公平、责任和透明度会议记录, 2017.
[6]
Caruana,R.,Lou,Y.,Gehrke,J.,Koch,P.,Sturm,M.和Elhadad,N.医疗保健智能模型:预测肺炎风险和医院30天再住院。ACM SIGKDD实习生会议记录。知识发现和数据挖掘。ACM,2015年。
[7]
Chen,T.和Guestrin,C.Xgboost:一个可扩展的树木提升系统。ACM SIGKDD实习生会议记录。知识发现和数据挖掘。ACM,2016年。
[8]
Dabkowski,P.和Gal,Y.黑箱分类器的实时图像显著性。神经信息处理系统研究进展(2017), 6970--6979.
[9]
Dix,A.模式识别技术使用中的人类问题。人机交互中的神经网络与模式识别(1992), 429--451.
[10]
Doshi-Velez,F.和Kim,B.走向可解释机器学习的严格科学。2017
[11]
Du,M.,Liu,N.,Song,Q.和Hu,X.用引导特征反演解释基于DNN的预测。ACM SIGKDD实习生会议记录。Conf.知识发现和数据挖掘, 2018.
[12]
Du,M.,Liu,N.,Yang,F.和Hu,X.关于通过加性分解的递归神经网络预测的属性。WWW Conf会议记录。, 2019.
[13]
Fong,R.和Vedaldi,A.通过有意义的扰动解释黑箱。实习生会议记录。Conf.计算机视觉, 2017.
[14]
Freitas,A.A.可理解的分类模型:立场文件。ACM SIGKDD探索新闻稿, 2014.
[15]
I.古德费罗、Y本吉奥和A.库维尔。深度学习,第1卷。麻省理工学院出版社,马萨诸塞州剑桥,2016。
[16]
I.J.Goodfellow、J.Shlens和C.Szegedy解释和利用对抗性例子。实习生会议记录。Conf.学习表现, 2015.
[17]
Kádár,A.、Chrupa-la,G.和Alishahi,A.递归神经网络中语言形式和功能的表示。计算语言学43, 4 (2017), 761--780.
[18]
Karpathy,A.、Johnson,J.和Fei-Fei,L.可视化和理解递归网络。ICLR研讨会会议记录, 2016.
[19]
Liu,N.、Du,M.和Hu,X.,使用空间编码和多模态分析进行表征解释。ACM实习生会议记录。Conf.Web搜索和数据挖掘, 2019.
[20]
Liu,N.,Yang,H.和Hu,X.,对抗探测与模型解释。ACM SIGKDD实习生会议记录。冲突知识发现与数据挖掘, 2018.
[21]
McCullagh,P.和Nelder,J.A。广义线性M,第37卷。CRC出版社,1989年。
[22]
Miller,T.《人工智能解释:来自社会科学的见解》。人工智能(2018).
[23]
Molnar,C.可解释机器学习(2018);https://christophm.github.io/createable-ml-book/。
[24]
Mudrakarta,P.K.、Taly,A.、Sundararajan,M.和Dhamdhere,K.模型理解问题了吗?第56届会议记录第个计算语言学协会年会, 2018.
[25]
Nguyen,A.、Dosovitskiy,A.、Yosinski,J.、Brox,T.和Clune,J.通过深度生成器网络合成神经网络中神经元的首选输入。神经信息处理系统研究进展, 2016.
[26]
Nguyen,A.,Yosinski,J.和Clune,J.深度神经网络很容易被愚弄:无法识别图像的高置信预测。IEEE会议录计算机视觉和模式识别, 2015.
[27]
Nguyen,A.、Yosinski,J.和Clune,J.多面特征可视化:揭示深层神经网络中每个神经元学习的不同类型的特征。ICLR研讨会会议记录, 2016.
[28]
Peters,M.E.等人。深层语境化词语表征。全国有色人种协进会会议记录, 2018.
[29]
Quinlan,J.R.简化决策树。实习生。J.人机研究27, 3 (1987), 221--234.
[30]
里贝罗,M.T.,辛格,S.和格斯特林,C.我为什么要信任你?解释任何分类器的预测。ACM SIGKDD实习生会议记录。冲突知识发现与数据挖掘, 2016.
[31]
Ribeiro,M.T.、Singh,S.和Guestrin,C.Anchors:高精度模型认知解释。AAAI会议论文集。人工智能, 2018.
[32]
Sabour,S.、Frosst,N.和Hinton,G.E.胶囊之间的动态路由。神经信息处理系统研究进展, 2017.
[33]
Simonyan,K.,Vedaldi,A.和Zisserman,A.深层卷积网络:可视化图像分类模型和显著性地图。ICLR研讨会会议记录, 2014.
[34]
Springenberg,J.T.,Dosovitskiy,A.,Brox,T.和Riedmiller,M.力求简单:全卷积网络。ICLR研讨会会议记录, 2015.
[35]
Tomsett,R.、Braines,D.、Harborne,D.、Preece,A.和Chakraborty,S.向谁解释?用于分析可解释机器学习系统的基于角色的模型。ICML机器学习中人类可解释性研讨会会议记录, 2018.
[36]
Vandewiele,G.、Janssens,G.,Ongenae,O.和Van Hoecke,F.S.Genesim:单一可解释模型的遗传提取。NIPS研讨会会议记录, 2016.
[37]
Wachter,S.、Mittelstadt,B.和Russell,C.未打开黑匣子的反事实解释:自动决策和GDPR。2017
[38]
Xu,K.等人。展示、出席和讲述:视觉注意力的神经图像字幕生成。实习生会议记录。Conf.机器学习, 2015.
[39]
Zhang,Q.,Wu,Y.N.和Zhu,S.-C.可解释卷积神经网络。IEEE会议录计算机视觉和模式识别, 2018.
[40]
Zhou,B.,Khosla,A.,Lapedriza,A.,Oliva,A.和Torralba,A.,目标探测器出现在深场景CNN中。实习生会议记录。Conf.学习表现, 2015.

引用人

查看全部

索引术语

  1. 可解释机器学习技术

    建议

    评论

    信息和贡献者

    问询处

    发布于

    ACM的封面图像通信
    ACM通信 第63卷第1期
    2020年1月
    90页
    国际标准编号:0001-0782
    EISSN公司:1557-7317
    内政部:10.1145/3377354
    期刊目录
    如果复制品不是为了盈利或商业利益而制作或分发的,并且复制品的第一页载有本通知和完整引文,则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重ACM以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布,在服务器上发布或重新发布到列表,需要事先获得特定许可和/或付费。从请求权限[电子邮件保护]

    出版商

    计算机协会

    美国纽约州纽约市

    出版历史

    出版:2019年12月20日
    在CACM中发布音量63,问题1

    权限

    请求对此文章的权限。

    检查更新

    限定符

    • 评论-文章
    • 受欢迎的
    • 推荐

    贡献者

    其他指标

    文献计量学和引文

    文献计量学

    文章度量标准

    • 下载次数(过去12个月)3,631
    • 下载次数(最近6周)352
    反映截至2024年9月15日的下载量

    其他指标

    引文

    引用人

    查看全部
    • (2024)你的脸红泄露了你的秘密:用远程光体积描记术和热成像检测隐藏的心理状态PeerJ计算机科学10.7717/peerj-cs.191210(e1912)在线发布日期:2024年3月20日
    • (2024)透明度和问责制大型语言模型开发和人工智能伦理面临的挑战10.4018/999-8-3693-3860-5.ch006(178-211)在线发布日期:2024年8月30日
    • (2024)机器学习基础商业分析智能优化技术10.4018/979-8-3693-1598-9.ch002(25-48)在线发布日期:2024年4月26日
    • (2024)拥抱城市微型交通:华盛顿特区、迈阿密和洛杉矶采用电动滑板车的比较研究城市科学10.3390/urbansci80200718:2(71)在线发布日期:2024年6月18日
    • (2024)从土壤高光谱数据中检测和表征铬的深度学习方法有毒物质10.3390/有毒1205035712:5(357)在线发布日期:2024年5月11日
    • (2024)可靠压力识别策略:利用心率变异特征的机器学习方法传感器10.3390/s2410321024:10(3210)在线发布日期:2024年5月18日
    • (2024)基于人机协作的医学时间序列分类原型学习传感器10.3390米/24082655米24:8(2655)在线发布日期:2024年4月22日
    • (2024)基于深层梯级森林模型和元胞自动机的多重土地利用模拟与驱动因素分析——以中国珠江三角洲为例遥感10.3390/rs1615275016:15(2750)在线发布日期:2024年7月27日
    • (2024)罕见疾病的可解释机器学习框架:儿童白血病感染风险分层的案例研究临床医学杂志10.3390/jcm1306178813:6(1788)在线发布日期:2024年3月20日
    • (2024)农业中负责任的人工智能:可持续技术设计的多标准框架应用科学10.3390/app1401043714:1(437)在线发布日期:2024年1月3日
    • 显示更多引用者

    视图选项

    查看选项

    PDF格式

    以PDF文件查看或下载。

    PDF格式

    电子阅读器

    使用联机查看电子阅读器.

    电子阅读器

    数字版

    以数字版本查看这篇文章。

    数字版

    杂志网站

    在杂志网站上查看这篇文章(外部)

    杂志网站

    获取访问权限

    登录选项

    完全访问权限

    媒体

    数字

    其他

    桌子

    分享

    分享

    共享此出版物链接

    在社交媒体上分享