典型文献
深度学习可解释性内涵和分类
文献摘要:
近年来,深度学习在多个行业得到了广泛应用,效果显著.深度学习虽然具有数学统计原理基础,但是对于任务知识表征学习尚缺乏明确解释.对深度学习理论研究的缺乏将导致即时可以通过各种训练方法使得模型得到满意输出,但不能解释模型内部究竟如何进行工作才得到有效结果.本文从深度学习可解释性内涵和分类角度出发,阐述了深度学习可解释性,以期有助于其他学者研究.
文献关键词:
可解释性;深度学习;分类
中图分类号:
作者姓名:
于芝枝
作者机构:
国家知识产权局专利局专利审查协作广东中心,广州 510535
文献出处:
引用格式:
[1]于芝枝-.深度学习可解释性内涵和分类)[J].现代计算机,2022(20):68-70
A类:
B类:
可解释性,学统,统计原理,知识表征,表征学习,习尚,尚缺,深度学习理论,训练方法,解释模型
AB值:
0.357201
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。