研究人员引入了一个新的可解释人工智能（XAI）框架，该框架纳入了不确定性感知，超越了确定性归因图。该方法将从贝叶斯神经网络派生的“解释分布”形式化，并提出算子来使用均值和方差等度量来总结该分布。该框架在电能质量扰动分类任务上进行了测试，结果表明，与确定性方法相比，带有均值算子的深度集成提高了定位精度，并揭示了标准归因中不存在的不确定性模式。 AI
影响 通过量化解释中的不确定性，引入了一种理解人工智能模型行为的新颖方法，有可能改善关键应用中的决策制定。
排序理由 详细介绍可解释人工智能新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Bayesian neural networks
- Deep ensembles
- Explainable AI
- Power quality disturbance classification
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
