位置
切换导航
主页
研究所
使命
地址
执行委员会
MPG科学成员
科学咨询委员会
董事会
新闻
最新的
新闻稿
奖品
聚光灯
校园活动日历
25周年纪念
30周年纪念
就业
部门
算法和复杂性
计算机视觉与机器学习
互联网架构
计算机图形
数据库和信息系统
可视化计算与人工智能
逻辑自动化
网络和云系统
多模态语言处理
出版物
算法与复杂性
计算机视觉与机器学习
互联网架构
计算机制图
数据库和信息系统
可视化计算与人工智能
计算生物学研究小组
逻辑自动化
网络和云系统
研究报告
科学咨询委员会
策展人委员会
25周年纪念日
IMPRS-CS公司
人
软件
服务
联合中央服务
联合管理
-图书馆
-国际办事处
联合科学信息技术和技术服务
-建筑和技术支持
研究协调
机会均等代表
-机会均等
严重残疾人士代表
安全代表
监察员
良好科学实践
和博士研究
公司医生
碳钢@MPG
CS@SAAR
萨尔州信息学院
计算机科学系,
萨尔州大学
马克斯·普朗克研究所
软件系统(MPI-SWS)
德国中心
人工智能(DFKI)
安全、隐私中心
和责任(CISPA)
VIA-萨尔布吕肯中心
可视化计算、交互
和人工智能
研究生院
计算机科学
卓越集群(MMCI)
马克斯·普朗克视觉中心
计算与通信
凯泽斯劳滕·萨尔布吕肯
计算机科学集群
IT孵化器
校园活动日历
主页
校园活动日历
校园活动日历:
未来:
仅适用于D1
仅适用于D2
仅适用于INET
仅适用于D4
仅适用于D5
仅适用于D6
仅适用于RG1
邮件列表
由演讲者
按类型
按类别
按标题
日历
RSS源
事件历史:
事件条目
添加事件
上一个条目
下一个条目
编辑条目
登录
什么和谁
面向图像分类的内在可解释深度神经网络设计
莫里茨·伯勒
Max-Planck-Institut für Informatik公司-D2
促销可乐
AG 1、INET、AG 5、RG1、SWS、AG 2、AG 4、D6、AG 3
信息
公众受众
英语
注意:我们用这个来
早上发送电子邮件
。
日期、时间和地点
2024年5月3日星期五
14:00
60分钟
E 1.4类
024
萨尔布吕肯
摘要
在过去的十年中,深度神经网络(DNN)已被证明在广泛的应用中取得了成功,并有望对我们的生活产生积极影响。
然而,特别是在高风险的情况下,错误的决策可能会带来灾难性的后果,我们必须理解并获得模型“决策”的解释。
本文从三个方面研究了图像分类模型的这一问题。
首先,我们评估了以事后方式解释DNN的方法,并强调了现有方法的承诺和缺点。
其次,我们研究如何设计内在可解释的DNN。
与事后解释模型不同,该方法不仅考虑了训练过程和DNN体系结构,还对其进行了修改,以确保决策过程本质上更加透明。
特别地,引入了两种新的DNN架构:CoDA和B-cos网络。
对于每个预测,这些模型的计算都可以用等效线性变换表示。
由于在训练期间对相应的线性矩阵进行了优化,以与任务相关的输入模式保持一致,因此可以很好地定位相关的输入特征,因此可以用作人类的解释。
最后,我们研究了如何在培训期间利用解释来指导模型,例如,抑制对虚假关联特征的依赖,或提高知识提取方法的保真度。
联系人
康妮·巴尔泽特
+49 681 9325 2000
--电子邮件已隐藏
虚拟会议详细信息
使用的系统:
缩放
会议URL:
https://eu02web.zoom-x.de/j/63231521065
会议ID:
632 3152 1065
密码:
密码不可见
代码可见:
仅限登录用户
登录以获取更多详细信息
查看文档编辑历史记录
Connie Balzert,2024年4月23日09:48--创建文档。