深度学习的可解释性—知识汇总

本文汇总了161篇关于深度学习可解释性的相关论文,按时间顺序和出版物排列,主要从周博磊、张拳石等专家的工作开始,结合GitHub资源和pytorch的解释性工具 captum 扩展研究范围。通过引用数量和会议级别筛选,重点考虑高引用和顶会论文,为理解深度学习模型提供参考。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、网络可解释性相关论文汇总

对于模型的可解释性而言,很难做到像解数学题一样,每一步都能给出有效的解释。

筛选出了161篇相关的论文,按照时间顺序和不同的出版物进行排序,结果进行了整理。

参考网址:

1.https://github.com/oneTaken/awesome_deep_learning_interpretability

2.https://github.com/handong1587/handong1587.github.io/blob/master/_posts/deep_learning/2015-10-09-visulizing-interpreting-cnn.md

 

备注:论文查找methodology

整个的相关论文查阅步骤大致为:

  1. 先从周博磊和张拳石两个大佬的主页去找相关的文献作为初始种子队列;
  2. 从初始种子队列里面去寻找参考文献,然后添加到种子
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

xiangyong58

喝杯茶还能肝到天亮,共同进步

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值