会员服务
深度神经网络 · 可解释人工智能 · KDD 2020 ·
2020 年 8 月 26 日
【KDD2020】可解释深度神经网络，200页ppt
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

可解释的机器学习模型和算法是越来越受到研究、应用和管理人员关注的重要课题。许多先进的深度神经网络(DNNs)经常被认为是黑盒。研究人员希望能够解释DNN已经学到的东西，以便识别偏差和失败模型，并改进模型。在本教程中，我们将全面介绍分析深度神经网络的方法，并深入了解这些XAI方法如何帮助我们理解时间序列数据。

http://xai.kaist.ac.kr/Tutorial/2020/

成为VIP会员查看完整内容
http://xai.kaist.ac.kr/Tutorial/2020/
Overview to Explainable Artificial Intelligence (XAI) Interpreting Inside of Deep Neural Networks Explaining Time Series Data
169

相关内容

深度神经网络（DNN）是深度学习的一种框架，它是一种具备至少一个隐层的神经网络。与浅层神经网络类似，深度神经网络也能够为复杂非线性系统提供建模，但多出的层次为模型提供了更高的抽象层次，因而提高了模型的能力。
【PKDD2020教程】可解释人工智能XAI:算法到应用，200页ppt
【PKDD2020教程】可解释人工智能XAI:算法到应用，200页ppt
专知会员服务
100+阅读 · 2020年10月13日
【牛津大学博士论文】解释深度神经网络，134页pdf
【牛津大学博士论文】解释深度神经网络，134页pdf
专知会员服务
216+阅读 · 2020年10月8日
【KDD2020-Tutorial】深度学习异常检测，180页ppt
专知会员服务
108+阅读 · 2020年8月28日
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
专知会员服务
85+阅读 · 2020年8月28日
【KDD2020-Tutorial】对抗性的攻击和防御:前沿、进展与实践，171页ppt
【KDD2020-Tutorial】对抗性的攻击和防御:前沿、进展与实践，171页ppt
专知会员服务
77+阅读 · 2020年8月24日
【KDD2020-Tutorial】数据驱动无止境学习问答系统，142页PPT
专知会员服务
46+阅读 · 2020年8月23日
【ICML2020】基于模型的强化学习方法教程，279页ppt
【ICML2020】基于模型的强化学习方法教程，279页ppt
专知会员服务
126+阅读 · 2020年7月20日
斯坦福EE364a《凸优化》课件，301页ppt
斯坦福EE364a《凸优化》课件，301页ppt
专知会员服务
95+阅读 · 2020年7月14日
AAAI2020最新「可解释人工智能XAI」230页PPT从基础理论到工业应用、实际挑战和经验教训
AAAI2020最新「可解释人工智能XAI」230页PPT从基础理论到工业应用、实际挑战和经验教训
专知会员服务
253+阅读 · 2020年2月8日
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知会员服务
115+阅读 · 2020年1月13日
【KDD2020】动态知识图谱的多事件预测
【KDD2020】动态知识图谱的多事件预测
专知
88+阅读 · 2020年8月31日
【EMNLP2019教程】分布式词向量表示，附239页PPT下载
【EMNLP2019教程】分布式词向量表示，附239页PPT下载
专知
20+阅读 · 2019年11月13日
知识图谱在可解释人工智能中的作用，附81页ppt
知识图谱在可解释人工智能中的作用，附81页ppt
专知
89+阅读 · 2019年11月11日
【CIKM2019教程】深度异构信息网络分析的最新发展（北邮石川教授），附157页PPT下载
【CIKM2019教程】深度异构信息网络分析的最新发展（北邮石川教授），附157页PPT下载
专知
31+阅读 · 2019年11月8日
ICCV 2019教程《面向计算机视觉的可解释机器学习》，附280页PPT下载
ICCV 2019教程《面向计算机视觉的可解释机器学习》，附280页PPT下载
专知
32+阅读 · 2019年11月1日
【干货】XAI可解释人工智能最新进展，89页ppt
【干货】XAI可解释人工智能最新进展，89页ppt
专知
52+阅读 · 2019年6月19日
【干货】NLP中的迁移学习教程来啦！（238页PPT下载）
【干货】NLP中的迁移学习教程来啦！（238页PPT下载）
新智元
35+阅读 · 2019年6月3日
大讲堂 | 知识图谱的嵌入：更好更快的负采样
大讲堂 | 知识图谱的嵌入：更好更快的负采样
AI研习社
13+阅读 · 2019年3月6日
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知
17+阅读 · 2019年1月28日
斯坦福完全可解释深度神经网络：你需要用决策树搞点事
斯坦福完全可解释深度神经网络：你需要用决策树搞点事
中国人工智能学会
4+阅读 · 2018年1月10日
Spatio-Temporal Graph for Video Captioning with Knowledge Distillation
Spatio-Temporal Graph for Video Captioning with Knowledge Distillation
Arxiv
19+阅读 · 2020年3月31日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
Arxiv
4+阅读 · 2020年3月9日
Multi-view Knowledge Graph Embedding for Entity Alignment
Arxiv
36+阅读 · 2019年6月6日
Learning Embedding Adaptation for Few-Shot Learning
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Joint Embedding of Meta-Path and Meta-Graph for Heterogeneous Information Networks
Joint Embedding of Meta-Path and Meta-Graph for Heterogeneous Information Networks
Arxiv
4+阅读 · 2018年9月11日
Measurement-wise Occlusion in Multi-object Tracking
Arxiv
3+阅读 · 2018年5月21日
Differential Attention for Visual Question Answering
Arxiv
5+阅读 · 2018年4月3日
Transparency by Design: Closing the Gap Between Performance and Interpretability in Visual Reasoning
Arxiv
6+阅读 · 2018年3月14日
Multimodal Explanations: Justifying Decisions and Pointing to the Evidence
Arxiv
7+阅读 · 2018年2月15日
Interpretable Convolutional Neural Networks
Arxiv
22+阅读 · 2018年2月14日
VIP会员
相关主题
深度神经网络
可解释人工智能
KDD 2020
相关VIP内容
【PKDD2020教程】可解释人工智能XAI:算法到应用，200页ppt
【PKDD2020教程】可解释人工智能XAI:算法到应用，200页ppt
专知会员服务
100+阅读 · 2020年10月13日
【牛津大学博士论文】解释深度神经网络，134页pdf
【牛津大学博士论文】解释深度神经网络，134页pdf
专知会员服务
216+阅读 · 2020年10月8日
【KDD2020-Tutorial】深度学习异常检测，180页ppt
专知会员服务
108+阅读 · 2020年8月28日
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
专知会员服务
85+阅读 · 2020年8月28日
【KDD2020-Tutorial】对抗性的攻击和防御:前沿、进展与实践，171页ppt
【KDD2020-Tutorial】对抗性的攻击和防御:前沿、进展与实践，171页ppt
专知会员服务
77+阅读 · 2020年8月24日
【KDD2020-Tutorial】数据驱动无止境学习问答系统，142页PPT
专知会员服务
46+阅读 · 2020年8月23日
【ICML2020】基于模型的强化学习方法教程，279页ppt
【ICML2020】基于模型的强化学习方法教程，279页ppt
专知会员服务
126+阅读 · 2020年7月20日
斯坦福EE364a《凸优化》课件，301页ppt
斯坦福EE364a《凸优化》课件，301页ppt
专知会员服务
95+阅读 · 2020年7月14日
AAAI2020最新「可解释人工智能XAI」230页PPT从基础理论到工业应用、实际挑战和经验教训
AAAI2020最新「可解释人工智能XAI」230页PPT从基础理论到工业应用、实际挑战和经验教训
专知会员服务
253+阅读 · 2020年2月8日
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知会员服务
115+阅读 · 2020年1月13日
热门VIP内容
相关资讯
【KDD2020】动态知识图谱的多事件预测
【KDD2020】动态知识图谱的多事件预测
专知
88+阅读 · 2020年8月31日
【EMNLP2019教程】分布式词向量表示，附239页PPT下载
【EMNLP2019教程】分布式词向量表示，附239页PPT下载
专知
20+阅读 · 2019年11月13日
知识图谱在可解释人工智能中的作用，附81页ppt
知识图谱在可解释人工智能中的作用，附81页ppt
专知
89+阅读 · 2019年11月11日
【CIKM2019教程】深度异构信息网络分析的最新发展（北邮石川教授），附157页PPT下载
【CIKM2019教程】深度异构信息网络分析的最新发展（北邮石川教授），附157页PPT下载
专知
31+阅读 · 2019年11月8日
ICCV 2019教程《面向计算机视觉的可解释机器学习》，附280页PPT下载
ICCV 2019教程《面向计算机视觉的可解释机器学习》，附280页PPT下载
专知
32+阅读 · 2019年11月1日
【干货】XAI可解释人工智能最新进展，89页ppt
【干货】XAI可解释人工智能最新进展，89页ppt
专知
52+阅读 · 2019年6月19日
【干货】NLP中的迁移学习教程来啦！（238页PPT下载）
【干货】NLP中的迁移学习教程来啦！（238页PPT下载）
新智元
35+阅读 · 2019年6月3日
大讲堂 | 知识图谱的嵌入：更好更快的负采样
大讲堂 | 知识图谱的嵌入：更好更快的负采样
AI研习社
13+阅读 · 2019年3月6日
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知
17+阅读 · 2019年1月28日
斯坦福完全可解释深度神经网络：你需要用决策树搞点事
斯坦福完全可解释深度神经网络：你需要用决策树搞点事
中国人工智能学会
4+阅读 · 2018年1月10日
相关论文
Spatio-Temporal Graph for Video Captioning with Knowledge Distillation
Spatio-Temporal Graph for Video Captioning with Knowledge Distillation
Arxiv
19+阅读 · 2020年3月31日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
Arxiv
4+阅读 · 2020年3月9日
Multi-view Knowledge Graph Embedding for Entity Alignment
Arxiv
36+阅读 · 2019年6月6日
Learning Embedding Adaptation for Few-Shot Learning
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Joint Embedding of Meta-Path and Meta-Graph for Heterogeneous Information Networks
Joint Embedding of Meta-Path and Meta-Graph for Heterogeneous Information Networks
Arxiv
4+阅读 · 2018年9月11日
Measurement-wise Occlusion in Multi-object Tracking
Arxiv
3+阅读 · 2018年5月21日
Differential Attention for Visual Question Answering
Arxiv
5+阅读 · 2018年4月3日
Transparency by Design: Closing the Gap Between Performance and Interpretability in Visual Reasoning
Arxiv
6+阅读 · 2018年3月14日
Multimodal Explanations: Justifying Decisions and Pointing to the Evidence
Arxiv
7+阅读 · 2018年2月15日
Interpretable Convolutional Neural Networks
Arxiv
22+阅读 · 2018年2月14日
微信扫码咨询专知VIP会员
Top