期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于主动学习和二次有理核的模型无关局部解释方法
1
作者 周晟昊 袁伟伟 关东海 《计算机科学》 CSCD 北大核心 2024年第2期245-251,共7页
深度学习模型的广泛使用,在更大程度上使人们意识到模型的决策是亟需解决的问题,复杂难以解释的黑盒模型阻碍了算法在实际场景中部署。LIME作为最流行的局部解释方法,生成的扰动数据却具有不稳定性,导致最终的解释产生偏差。针对上述问... 深度学习模型的广泛使用,在更大程度上使人们意识到模型的决策是亟需解决的问题,复杂难以解释的黑盒模型阻碍了算法在实际场景中部署。LIME作为最流行的局部解释方法,生成的扰动数据却具有不稳定性,导致最终的解释产生偏差。针对上述问题,提出了一种基于主动学习和二次有理核的模型无关局部解释方法ActiveLIME,使得局部解释模型更加忠于原始分类器。ActiveLIME生成扰动数据后,通过主动学习的查询策略对扰动数据进行采样,筛选不确定性高的扰动集训练,使用迭代过程中准确度最高的局部模型对感兴趣实例生成解释。并且,针对容易陷入局部过拟合的高维稀疏样本,在模型损失函数中引入了二次有理核来减少过拟合。实验结果表明,所提出的ActiveLIME方法引比传统局部解释方法具有更高的局部保真度和解释质量。 展开更多
关键词 局部解释 扰动采样 主动学习查询策略 二次有理核
下载PDF
基于可解读机器学习的建筑冷负荷预测模型评估方法 被引量：2
2
作者 范成 叶曈曈 +1 位作者 王家远 刘易 《建筑节能》 CAS 2019年第10期26-32,49,共8页
近年来,建筑自动化系统(BAS)在现代建筑中广泛安装运用.BAS能够对建筑系统进行自动监测及实时控制,同时存储着海量的建筑能耗监测数据.通过使用数据挖掘技术,可以从这些海量数据中提取出有价值的信息,进而运用到建筑能耗分析﹑能耗与负... 近年来,建筑自动化系统(BAS)在现代建筑中广泛安装运用.BAS能够对建筑系统进行自动监测及实时控制,同时存储着海量的建筑能耗监测数据.通过使用数据挖掘技术,可以从这些海量数据中提取出有价值的信息,进而运用到建筑能耗分析﹑能耗与负荷预测﹑故障诊断﹑优化控制等多个方面.监督类数据挖掘技术能够很好地提高能耗预测的精度,但由于构建的预测模型多为黑箱模型,其预测逻辑并不能被轻松地解读,这也是限制高精度黑箱预测模型实用性的根本原因.针对这一问题,发展了一套基于可解读机器学习概念的预测模型评估方法.研究首先运用机器学习算法对建筑冷负荷进行高精度建模,其次通过构建局部线性解释模型对预测个体进行解读,同时基于局部解释模型的参数建立了一种信任指数,用于评价复杂黑箱模型的实际表现.本研究的成果可以帮助建筑运维人员更加全面和快速地了解复杂黑箱模型的预测逻辑,同时可以为模型评估提供一种新型指标,有利于提升复杂模型在决策过程中的实际效用. 展开更多
关键词 数据挖掘 建筑自动化 建筑能耗预测 局部解释模型 可解读机器学习
下载PDF
重力方法在祁连山地区构造特征与岩体解释中的应用 被引量：9
3
作者 路利春 姜鸿 +3 位作者 吴荣高 张佩 张冲 李陇锋 《中国地质调查》 2018年第3期95-103,共9页
依据地质、航磁等资料,结合实测岩石物性资料,以1∶250 000重力资料为基础对祁连山地区(张掖、刚察地区)进行综合研究。研究地质构造与地球物理特征,划分了大地构造单元,探讨了隐伏与半隐伏岩体分布。该区域经多年的重力工作,勘探面积已... 依据地质、航磁等资料,结合实测岩石物性资料,以1∶250 000重力资料为基础对祁连山地区(张掖、刚察地区)进行综合研究。研究地质构造与地球物理特征,划分了大地构造单元,探讨了隐伏与半隐伏岩体分布。该区域经多年的重力工作,勘探面积已近3万多km^2,根据重力资料研究布格重力场特征并进行分区;对地质构造单元重新划分,对主要断裂进行探讨;圈定隐伏与半隐伏岩体,推断其空间展布特征,并对其解释。结果表明:祁连山地区地壳密度结构横向分区、纵向分层明显,布格重力异常场的分区特征与地质构造分区特征基本一致。结合2.5D重力剖面反演印证了新的推测结果,为综合地质、地球物理找矿提供参考。 展开更多
关键词 重力场特征 构造单元 隐伏岩体 重力反演 局部异常解释
下载PDF
面向局部可解释性机器学习的数据故事生成方法研究 被引量：4
4
作者 肖纪文 《图书情报工作》 北大核心 2023年第2期98-107,共10页
[目的/意义]针对实践中数据故事应包含哪些内容、创作流程是什么等问题,提出一种数据故事生成方法,以期为数据故事的创作提供理论指导。[方法/过程]在前人的研究基础上,基于数据科学、认知科学、自然语言处理和可解释性机器学习等理论,... [目的/意义]针对实践中数据故事应包含哪些内容、创作流程是什么等问题,提出一种数据故事生成方法,以期为数据故事的创作提供理论指导。[方法/过程]在前人的研究基础上,基于数据科学、认知科学、自然语言处理和可解释性机器学习等理论,提出一种面向局部可解释性机器学习的数据故事生成方法,该方法对数据故事的生成步骤和创作方式进行详细的阐述和说明。同时对LIME算法的输出进行改进,使其更易理解。在此基础上对提出的数据故事化方法进行案例实现,以验证方法的可行性。[结果/结论]提出的数据故事生成方法有助于丰富数据故事化研究的理论体系,同时为数据故事的生成研究和数据故事化工具的研发提供一定的启示。 展开更多
关键词 局部可解释性机器学习 数据故事的生成 数据故事化 数据认知
原文传递
聚焦可解释性:知识追踪模型综述与展望
5
作者 杨文阳 杨益慧 《现代教育技术》 2024年第5期53-63,共11页
模型的可解释性是评估其实用性和实际应用价值的重要指标,但目前基于深度学习的知识追踪模型普遍存在可解释性差的问题,导致教学决策过程不透明。对此,文章首先介绍了知识追踪的流程,分析了知识追踪模型的可解释性,并根据可解释性方法... 模型的可解释性是评估其实用性和实际应用价值的重要指标,但目前基于深度学习的知识追踪模型普遍存在可解释性差的问题,导致教学决策过程不透明。对此,文章首先介绍了知识追踪的流程,分析了知识追踪模型的可解释性,并根据可解释性方法在模型训练过程中作用的时间,将可解释知识追踪模型分为事前可解释的知识追踪模型和事后可解释的知识追踪模型。随后,文章分别对这两种模型进行再分类,并从优点、缺点两个维度,对不同类型的事前、事后可解释知识追踪模型进行了对比。最后,文章从模型可视化、融入教育规律、多模态数据融合、解释方法探索、可解释性评估等方面,对未来可解释知识追踪模型的教学应用进行了展望。文章的研究有助于提升知识追踪模型在教学中的实用性,推动教育数字化的进程。 展开更多
关键词 知识追踪 可解释性 全局可解释性 局部可解释性 智慧教育
下载PDF
数据故事化方法:析出、重组与叙事
6
作者 靳庆文 《图书情报工作》 北大核心 2024年第13期28-40,共13页
[目的/意义]数据驱动时代面临数据认知困难、解释结果晦涩难懂以及模型决策可信度不足等诸多挑战。融合可解释性结果的数据故事化方法,为应对上述挑战、增强数据利用价值提供理论支撑和解决方案。[方法/过程]梳理模型无关局部可解释性... [目的/意义]数据驱动时代面临数据认知困难、解释结果晦涩难懂以及模型决策可信度不足等诸多挑战。融合可解释性结果的数据故事化方法,为应对上述挑战、增强数据利用价值提供理论支撑和解决方案。[方法/过程]梳理模型无关局部可解释性技术的解释形式、数据故事的叙事结构以及目前数据故事化研究中采用的方法,基于可解释性理论与数据故事化实现模式构建“析出—重组—叙事”的数据故事化模型,利用定义的要素元组给出数据故事映射流程,明确实现故事化模型设计的关键技术。[结果/结论]在数据故事化模型设计的理论指导下,提出面向解释结果的“扇形”故事化实现路径和融合解释结果与故事化模型要素的交互框架,并通过案例研究验证数据故事化方法在结果解释方面的实用价值。通过构建基于可解释性结果的数据故事化方法体系框架,为扩展具备数据感知与认知、可辅助智能决策功能的故事化路径提供新思路。 展开更多
关键词 数据故事化 可解释性 模型无关 局部可解释 叙事
原文传递
IsomapVSG-LIME:一种新的模型无关解释方法
7
作者 向许 于洪 +1 位作者 张晓霞 王国胤 《智能系统学报》 CSCD 北大核心 2023年第4期841-848,共8页
为了解决局部可解释模型无关的解释(local interpretable model-agnostic explanations,LIME)随机扰动采样方法导致产生的解释缺乏局部忠实性和稳定性的问题,本文提出了一种新的模型无关解释方法IsomapVSG-LIME。该方法使用基于流形学... 为了解决局部可解释模型无关的解释(local interpretable model-agnostic explanations,LIME)随机扰动采样方法导致产生的解释缺乏局部忠实性和稳定性的问题,本文提出了一种新的模型无关解释方法IsomapVSG-LIME。该方法使用基于流形学习的等距映射虚拟样本生成(isometric mapping virtual sample generation,IsomapVSG)方法代替LIME的随机扰动采样方法来生成样本,并使用凝聚层次聚类方法从虚拟样本中选择具有代表性的样本用以训练解释模型;本文还提出了一种新的解释稳定性评价指标—特征序列稳定性指数(features sequence stability index,FSSI),解决了以往评价指标忽略特征的序关系和解释翻转的问题。实验结果表明,本文提出的方法在稳定性和局部忠实性上均优于现有的最新模型。 展开更多
关键词 局部可解释模型无关的解释 机器学习 等距映射虚拟样本生成 凝聚层次聚类 稳定性 局部忠实性 随机扰动采样 特征序列稳定性指数
下载PDF
基于LIME的恶意代码对抗样本生成技术
8
作者 黄天波 李成扬 +2 位作者 刘永志 李燈辉 文伟平 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2022年第2期331-338,共8页
基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释(LIME)的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型... 基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释(LIME)的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型模拟目标分类器的局部表现,获取特征权重;通过扰动算法生成扰动,根据生成的扰动对原恶意代码进行修改后生成对抗样本;基于2015年微软公布的常见恶意样本数据集和收集的来自50多个供应商的良性样本数据对所提方法进行实验,参照常见恶意代码分类器实现了18个基于不同算法或特征的目标分类器,使用所提方法对目标分类器进行攻击,使分类器的真阳性率均降低到接近0。此外,对MalGAN和ZOO两个先进的黑盒对抗样本生成方法与所提方法进行对比,实验结果表明:所提方法能够有效生成对抗样本,且方法本身具有适用范围广泛、能灵活控制扰动和健全性的优点。 展开更多
关键词 对抗样本 恶意代码 机器学习 模型无关的局部可解释(LIME) 目标分类器
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部