Обясним LSTM
Обяснимият LSTM (Explainable LSTM) съчетава обучен мрежов модел от типа Long Short-Term Memory с техники за пост-хок интерпретируемост — главно SHAP, LIME, интегрирани градиенти или визуализация на вниманието — за да разкрие кои времеви стъпки, токени или признаци движат всяка прогноза. Той свързва точността на рекурентното дълбоко обучение с прозрачността, изисквана от области с високи залози като клинична подкрепа за вземане на решения, откриване на измами и регулаторно съответствие.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). "Why should I trust you?": Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1135–1144. DOI: 10.1145/2939672.2939778 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Explainable Long Short-Term Memory Network. ScholarGate. https://scholargate.app/bg/deep-learning/explainable-lstm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Обяснима класификация, базирана на BERTДълбоко обучение↔ compare
- Обясним GRUДълбоко обучение↔ compare
- Обясним рекурентен невронна мрежаДълбоко обучение↔ compare
- Обясним ТрансформърДълбоко обучение↔ compare
- Дългосрочна краткосрочна памет (LSTM)Дълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →