Ferl

新的证据规则学习方法增强了人工智能的透明度和准确性

研究人员推出了一种名为快速证据规则学习（FERL）的新型可解释分类方法，该方法在决策过程中提供透明度，并在不确定时弃权。FERL通过一次确定性传递直接生成证据输出，包括信念、合理性和弃权，无需辅助组件或重复推理。在对30个表格数据集的评估中，FERL在准确性方面比现有的规则学习器有了统计学上的显著改进，并且在与其他凭证分类器和分布外检测器的竞争中表现出色。