首页> 外文学位 >Towards Interpretability and Robustness of Machine Learning Models

【24h】

Towards Interpretability and Robustness of Machine Learning Models

机译：对机器学习模型的可解释性和鲁棒性

获取原文

获取原文并翻译 | 示例

页面导航

著录项
相似文献
相关主题

著录项

作者
Chen, Jianbo .;
展开▼
作者单位

University of California Berkeley.;

展开▼
授予单位 University of California Berkeley.;
学科
学位 Ph.D.
年度 2019
页码 158 p.
总页数 158
原文格式 PDF
正文语种 eng
中图分类 AAI27540587;
关键词
入库时间 2022-08-17 12:01:50

相似文献

外文文献
中文文献
专利

1. Interpretable machine learning for demand modeling with high-dimensional data using Gradient Boosting Machines and Shapley values [J] . Evgeny A. Antipov, Elena B. Pokryshevskaya Journal of Revenue and Pricing Management . 2020,第5期

机译：使用梯度升压机和福利价值观的高维数据需求建模的可解释机器学习
2. Decision-making framework with double-loop learning through interpretable black-box machine learning models [J] . Bohanec Marko, Robnik-Sikonja Marko, Borstnar Mirjana Kljajic Industrial management & data systems . 2017,第7期

机译：通过可解释的黑匣子机器学习模型进行双环学习的决策框架
3. Interpretable vs. noninterpretable machine learning models for data-driven hydro-climatological process modeling [J] . Chakraborty Debaditya, Basagaoglu Hakan, Winterle James Expert systems with applications . 2021,第May期

机译：可解释的与非互换机器学习模型进行数据驱动水力 - 气候学过程建模
4. Interpreting Multimodal Machine Learning Models Trained for Emotion Recognition to Address Robustness and Privacy Concerns [C] . Mimansa Jaiswal AAAI Conference on Artificial Intelligence . 2020

机译：解释培训的多式式机器学习模型，以解决情绪认可，以解决鲁棒性和隐私问题
5. Interpretability by Design: New Interpretable Machine Learning Models and Methods [D] . Chen, Chaofan . 2020

机译：设计解释性：新的可解释机器学习模型和方法
6. Interpretable Machine Learning Framework Reveals Robust Gut Microbiome Features Associated With Type 2 Diabetes [O] . Wanglong Gou, Chu-wen Ling, Yan He, 2021

机译：可解释的机器学习框架揭示了与2型糖尿病相关的鲁棒肠道微生物组件
7. Interpretable Machine Learning—Tools to Interpret the Predictions of a Machine Learning Model Predicting the Electrical Energy Consumption of an Electric Arc Furnace [O] . Leo Stefan Carlsson, Peter Bengt Samuelsson, Pär Göran Jönsson 2020

机译：可解释的机器学习工具来解释预测电弧炉电能消耗的机器学习模型的预测

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号