i-ResNets

新型混合模型融合统计可解释性与神经网络灵活性

研究人员开发了LiD-GLM，一种将传统统计广义线性模型与神经网络组件相结合的新型混合模型。这种方法旨在平衡统计模型的可解释性与神经网络的灵活性。LiD-GLM使用可逆残差神经网络（i-ResNets）来实现非线性参数估计和灵活的分布假设修正，同时保持随机单调性。通过约束i-ResNets的Lipschitz常数，该模型可以精确控制和量化其与传统模型的偏差，从而实现灵活性和可解释性之间用户定义的权衡。