PulseAugur
实时 12:36:44
English(EN) Verified SHAP: Provable Bounds for Exact Shapley Values of Neural Networks

新算法计算神经网络的精确 Shapley 值

研究人员开发了一种新算法,可以计算神经网络中精确 Shapley 值的可证明界限。该方法利用神经网络验证方面的进展来实现任意紧密的界限,最终允许计算精确的 Shapley 值。与现有的精确方法相比,该方法在扩展到更大的搜索空间方面表现出可扩展性,这是实现复杂神经网络精确 SHAP 计算的关键一步。 AI

影响 能够更准确、可验证地归因神经网络决策的特征,这对于信任和调试至关重要。

排序理由 该集群包含一篇学术论文,详细介绍了计算神经网络中 Shapley 值的新算法方法。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · David Boetius, Shahaf Bassan, Guy Katz, Stefan Leue, Tobias Sutter ·

    Verified SHAP: Provable Bounds for Exact Shapley Values of Neural Networks

    arXiv:2605.24084v1 Announce Type: cross Abstract: Shapley additive explanations (SHAP) are widely recognised as computationally intractable for neural networks, since they induce an exponential search space over the input features. In this work, we take a first step towards scali…