PulseAugur
实时 03:21:53

新的XAI评估框架关注真实世界中的少类别CNN

研究人员引入了一个新的框架来评估可解释人工智能(XAI)技术的忠实度,该框架专门针对在真实世界应用中使用且类别有限的卷积神经网络(CNN)分类器。所提出的方法生成分布内、能引发不确定性的扰动,以更准确地衡量XAI方法在多大程度上反映了模型的决策过程。该评估框架已在医学和自然成像数据集上进行了演示,突显了领域、数据策展和XAI方法选择对于验证新CNN模型的重要性。 AI

影响 为评估实际应用中AI解释的可靠性提供了一种更稳健的方法。

排序理由 这是一篇提出XAI技术新评估框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的XAI评估框架关注真实世界中的少类别CNN

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Wistan Marchadour, Pedro Soto Vega, Franck Vermet, Mathieu Hatt ·

    少样本保真度:通过优化扰动评估真实条件CNN分类器的解释

    arXiv:2606.28391v1 Announce Type: cross Abstract: The wide use of Convolutional Neural Networks (CNN) in numerous domains and real-world classification applications is justified by their high precision and automation speed, helping users concentrate on higher-expertise tasks. To …