5、人工智能在生物医学深度学习中的应用及可解释模糊决策树研究

人工智能在生物医学深度学习中的应用及可解释模糊决策树研究

1. 人工神经网络与研究成果

人工神经网络经过一系列嵌入式变换可表示为：
[y_{fin}=\sum(w_{ij}f_{n}(k - 1)\cdots\sum f_{w}(\cdots)\sum f_{w}(\cdots)\sum(\cdots))]
其中，(y_i) 代表第 (i) 个输出；(w) 表示相应的权重；(m) 是输入/特征的数量；(l) 描述隐藏层的神经元数量；(f_1)、(f_2) 和 (f_n) 分别表示输入层、隐藏层和输出层的激活函数。

研究涵盖了从 2010 年到 2022 年 7 月期间可解释人工智能（XAI）和医学 XAI 出版物的研究，相关分析研究展示在图 2.11 和图 2.12 中。此外，还将各种深度学习技术应用于从 Kaggle.com 获取的 Caltech 数据集，并在表 2.1 中展示了这些技术的性能比较。

序号	方法	可解释性	准确率百分比（%）
1	决策树（DT）	高	86.73
2	随机森林（RF）	中等	87.53
3