典型文献
人工智能可解释性评估研究综述
文献摘要：
近年来,可解释人工智能(XAI)发展迅速,成为当前人工智能领域的研究热点,已出现多种人工智能解释方法.如何量化评估XAI的可解释性以及解释方法的效果,对研究XAI具有重要意义.XAI的可解释性评估涉及主、客观因素,是一个复杂且有挑战性的工作.综述了XAI的可解释性评估方法,首先,介绍了XAI的可解释性及其评估的概念和分类;其次,总结和梳理了一些可解释性的特性;在此基础上,从可解释性评估方法和可解释性评估框架两方面,综述和分析了当前可解释性评估工作;最后,总结了当前人工智能可解释性评估研究的不足,并展望了其未来发展方向.
文献关键词：
可解释性评估;人工智能可解释性;主观评估;客观评估;评估方法;神经网络;深度学习
中图分类号：
作者姓名：
李瑶;左兴权;王春露;黄海;张修建
作者机构：
北京邮电大学网络空间安全学院,北京100876;可信分布式计算与服务教育部重点实验室,北京100876;北京邮电大学计算机学院,北京100876;北京航天计量测试技术研究所,北京100076;国家市场监管重点实验室(人工智能计量测试与标准),北京100076
文献出处：
引用格式：
[1]李瑶;左兴权;王春露;黄海;张修建-.人工智能可解释性评估研究综述)[J].导航定位与授时,2022(06):13-24
A类：
可解释性评估
B类：
人工智能可解释性,评估研究,可解释人工智能,XAI,人工智能领域,解释方法,量化评估,客观因素,评估框架,评估工作,主观评估,客观评估
AB值：
0.148639
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
