2021_On Generating Plausible Counterfactual and Semi-Factual Explanations for Deep Learning

最新推荐文章于 2025-11-24 11:49:49 发布

原创最新推荐文章于 2025-11-24 11:49:49 发布 · 328 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #神经网络

因果可解释性专栏收录该内容

3 篇文章

订阅专栏

博客指出在深度学习相关领域，大家的做法似乎都差不多，反映出当前在该领域操作方式存在一定的趋同性。

大家做法好像都差不多

在这里插入图片描述

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

APythonC

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

3D缺陷检测---小论文

qq_42813620的博客

10-03

4592

3D缺陷检测

【论文阅读】Pseudo-Labeling and Confirmation Bias in Deep Semi-Supervised Learning

来日可期的博客

05-14

1353

总览半监督学习。提到半监督分类中的一致性正则。提到本文中适用了伪标签技术（soft pseudo-labels）。核心的贡献。提出了确认偏差（confirmation bias），本文贡献是证明了和是有效减少确认偏差的正则技术。这一点就很令人惊讶了，伪标签技术的方法超过了一致性正则的方法。还没看原文，应该是还没有出现FixMatch和FlexMatch方法。

参与评论您还未登录，请先登录后发表或查看评论

生成可信的反事实和半事实解释补充代码：2021年我们AAAI论文的补充代码

02-17

关于深入学习补充代码的可行的反事实和半事实解释此回购用于AAAI-2021上的论文“关于为深度学习生成Plausilbe反事实和半事实解释”。论文链接在这里 ?????? 不幸的是，当我进行实验（大约一年前）时，我原来的环境已经消失了。我试图重新创建它，但是似乎在过去的一年中，由于超出了我的控制范围，因此无法在具有单个环境的单个脚本中准确地重新创建结果。但是，我在这里包含了所有代码，以便于轻松再现某些结果。请运行以下命令以具有兼容的环境。 python3 -m venv myenv源myenv / bin / activate pip install ipykernel python -m ipykernel install --user --name = myenv 这将设置一个可与jupyter笔记本一起运行的环境，并将该环境导入到笔记本的可用内核中。要求pip

mtcnn人脸检测_「人脸检测系列」mtcnn 算法中的偏移量分析

weixin_39912984的博客

12-05

372

最近小编在后台收到一名同学的留言，她问“在前向推理过程中，mtcnn中的偏移量是如何用到的，我想对于初学者而言，也仅能跑跑代码，看一下效果，但对于一些原理性的东西，理解的不是很透彻，今天，小编就带大家来看一下，mtcnn中的偏移量是如何使用的。首先看一下mtcnn中的偏移量。还要从训练数据的准备开始，这里我截取了github上start比较多的项目来看的(项目地址：https://github.c...

【AAAI 2021】全部接受论文列表（二）

yinizhilianlove的博客

01-14

6932

来源：AINLPer微信公众号（点击了解一下吧）编辑: ShuYini 校稿: ShuYini 时间: 2021-01-14 马上春节了，疫情又卷土而来，希望大家注意防护，爱护自己的身体 AAAI 2021论文接收情况人工智能顶级会议AAAI 2021 已经给出接收论文列表，共有1692篇论文被接收，录取率21%，比去年的20.6%稍微有些上升。单从数量上看，也比去年多了101篇。本届 AAAI 2021已经是第35 届会议了。据 AAAI 2021官方网站，这个 2021年首个人工智能顶会将全.

机器视觉表面缺陷检测综述

热门推荐

u013912006的博客

01-02

12万+

转自：http://www.cjig.cn/html/jig/2017/12/20171202.htm#b22 机器视觉表面缺陷检测综述《中国图像图形学报》 Tang B, Kong J Y, Wu S Q . Review of surface defect detection based on machine vision[J]. Journal of Image an

【ACL2021】主会571篇长文分类最全汇总

zenRRan的博客

07-08

4371

点击下面卡片，关注我呀，每天给你送来AI技术干货！作者｜唐天一机构｜中国人民大学高瓴人工智能学院导师｜赵鑫教授方向 | 自然语言处理来自 |RUC AI Box导读ACL-IJCNLP ...

AAAI2021论文列表（中英对照）

dovings的博客

07-04

1万+

AAAI2021论文列表（中英对照）

2020年 ICLR 国际会议最终接受论文(poster-paper)列表(三)

yinizhilianlove的博客

02-21

4万+

来源：AINLPer微信公众号（点击了解一下吧）编辑: ShuYini 校稿: ShuYini 时间: 2020-02-21 2020年的ICLR会议将于今年的4月26日-4月30日在Millennium Hall, Addis Ababa ETHIOPIA（埃塞俄比亚首都亚的斯亚贝巴千禧大厅）举行。 2020年ICLR会议（Eighth International Con...

ACL2022赶会必备，拿来即用之Abstract和Related Work

zenRRan的博客

10-16

944

每天给你送来NLP技术干货！© 作者｜刘沛羽机构｜中国人民大学高瓴人工智能学院研究方向｜自然语言处理，模型压缩来自 |RUC AI Box导读：ACL 是计算语言学和自然语言处理领域顶级...

【LLM+错误信息检测】DELL: Generating Reactions and Explanations for LLM-Based Misinformation Detection

Arachis_X的博客

03-12

950

大型语言模型受限于事实性和幻觉方面的挑战，无法直接用于判断新闻文章的真实性，而事实准确性是最重要的。在这项工作中，我们提出了DELLLLM 可以生成新闻反应，以代表不同的观点，并模拟用户与新闻的交互网络；LLM 可以生成代理任务（如情感、立场）的解释，以丰富新闻文章的上下文，并产生专门从事新闻理解各个方面的专家；LLM 可以合并特定任务的专家，并通过合并不同专家的预测和置信度分数来提供整体预测。

周读论文系列笔记(2)-reivew-A survey on Deep Learning in Medical Image Analysis

不行不至

12-29

6016

刚接触这个领域…不怎么会写…有些翻译错和理解错的地方请大佬们多多指教~ 原文链接：文章目录1.Deep learning methods2.Deep learning uses in medical imaging2.1 Classification 分类2.1.1 Image/exam classification （图像/exam 分类）2.1.2 Object or lesion cl...

【零样本学习】Feature Generating Networks for Zero-Shot Learning

x124612的博客

09-23

2436

Abstract 由于seen class和unseen class训练数据的极度不平衡，现有的ZSL方法在GZSL任务上性能很差。我们提出基于GAN框架，利用语义信息来生成CNN特征。我们的方法利用Wasserstein GAN和分类损失，生成判别性强的CNN特征，来训练分类器（softmax classifiers or multimodal embedding method）。 Contri...

快速上手大模型：深度学习9（池化层、卷积神经网络1）

weixin_45728280的博客

11-20

1109

本文介绍了卷积神经网络的关键技术和经典模型。主要内容包括：1）池化层的作用与实现（最大/平均池化）；2）经典CNN模型（LeNet、AlexNet、VGG、NiN）的原理与代码实现，重点分析了AlexNet的架构改进（ReLU、Dropout、数据增强）和VGG的深层结构；3）计算机硬件配置查询方法（CPU、内存、GPU等），为模型训练提供硬件支持。文章提供了详细的PyTorch代码示例，涵盖网络构建、数据预处理和训练过程，并针对训练中的OOM问题给出了解决方案建议。

深度学习日记2025.11.20

leiming6的博客

11-20

579

在深度学习里通常指：。它是衡量的指标，比参数量更能反映“推理时到底要算多少”。

Python模型优化实战：深度学习加速与压缩技巧

我是二川兄，对Web开发、GIS开发、3D模型、机器学习、面试技巧等方面都有一些涉猎~ 欢迎您加入技术交流圈！你可以在我的文章末尾找到我~

11-21

1938

Python模型优化实战：深度学习加速与压缩技巧

神经网络深度解析：从神经元到深度学习的进化之路

最新发布

qq_51229257的博客

11-24

463

周志华《机器学习》第五章“神经网络”是连接传统机器学习与深度学习的桥梁——它从模拟人脑神经元的基本模型出发，逐步构建多层网络，核心突破是BP算法的提出，最终延伸到深度学习的核心思想。本章的核心逻辑是：通过“神经元加权求和+激活函数”构建基本单元，用多层结构拟合非线性关系，靠BP算法优化参数，再通过不同网络拓扑适应不同任务。本文将从“基础模型→核心算法→代码实现→习题解答”四个维度，用通俗比喻和实例拆解第五章的核心知识，帮你吃透神经网络的设计原理与工程实践。神经网络的最小单元是神经元，源于1943年提出的M-

人工智能、机器学习与深度学习：从概念到实践

已掌握java全栈，简单的java项目逻辑。目前正在学习鸿蒙开发，有兴趣的小伙伴可以一起学习！！！

11-21

1001

今天开始去探索ai的路程，带领大家实现从0到1的探索之路！！！在当今科技浪潮中，“人工智能”（Artificial Intelligence, AI）已成为家喻户晓的热词。然而，很多人对“AI”“机器学习”（Machine Learning, ML）和“深度学习”（Deep Learning, DL）之间的关系感到困惑。它们究竟是同一事物的不同叫法，还是层层递进的技术体系？本文将用通俗语言厘清三者的关系，并通过经典案例帮助你建立清晰的认知框架。

李沐动手学深度学习笔记（2）---卷积神经网络

2301_80484013的博客

11-23

927

定义：是 PyTorch 所有神经网络层、模型的基类（base class）。所有的网络层（Linear、Conv2d、RNN等）以及你自己写的自定义网络，都必须继承它。特点：举例： Block（块，结构单元）定义： Block 并不是 PyTorch 中的一个正式类名，而是我们在设计网络时人为定义的中间层次结构。它是由若干组成的一个子结构。用途：举例（ResNet 残差块）： Sequential（顺序容器）定义：是的一种特殊子类，用来按顺序堆叠层，让代码更简洁。特点：

-- Looking for pthread.h -- Looking for pthread.h - found -- Performing Test CMAKE_HAVE_LIBC_PTHREAD -- Performing Test CMAKE_HAVE_LIBC_PTHREAD - Success -- Found Threads: TRUE -- Found OpenSSL: /usr/local/arm-openssl/lib/libcrypto.a (found version "1.1.1w") -- WITH_DLT = OFF -- Could NOT find cJSON (missing: CJSON_INCLUDE_DIR CJSON_LIBRARY) -- Optional dependency cJSON not found. Some features will be disabled. -- Looking for getaddrinfo_a in anl -- Looking for getaddrinfo_a in anl - found -- Configuring done -- Generating done CMake Warning: Manually-specified variables were not used by the project: CMAKE_TOOLCHAIN_FILE -- Build files have been written to: /home/thn/mosquitto/build-arm

08-06

-- Looking for pthread.h - found -- Performing Test CMAKE_HAVE_LIBC_PTHREAD - Success -- Found Threads: TRUE ``` - 表示系统找到了 `pthread.h`，并且支持 POSIX 线程库，这对于 Mosquitto 是必需的。 ---...