原生生物

原型参与:基于注意力的原型学习。我们提出了一种新的内在可解释的机器学习方法,它基于我们称之为原型的几个相关示例来做出决策。我们的方法protocateat可以集成到各种神经网络结构中,包括预先训练的模型。它利用了一种注意机制,将编码的表示与样本联系起来,以确定原型。在不牺牲原始模型精度的前提下,protocateat在三个高影响问题上产生了优异的结果:(1)它能够提供高质量的可解释性,输出与决策最相关的样本(即基于样本的可解释性方法);(2) 它通过量化原型标签之间的不匹配来实现最先进的置信度估计;在分布失配检测方面取得了最新进展。所有这些都可以用最少的额外测试时间和实际可行的训练时间计算成本来实现。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献(参考文献1条,1标准件)

显示结果1/1。
按年份排序(引用)

  1. 阿里克,塞尔坎O。;普菲斯特,托马斯:原型参与:基于注意力的原型学习(2020)