Transformer Explicable
Un Transformer Explicable combina una arquitectura Transformer estàndard o pre-entrenada amb tècniques d'interpretabilitat post-hoc o integrades — com ara l'atenció rollout, l'atenció ponderada per gradient, o SHAP — per revelar quins tokens o regions d'entrada van impulsar cada predicció. L'aproximació uneix una alta precisió predictiva amb la transparència requerida en dominis d'alt risc o regulats.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Fonts
- Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30. link ↗
- Chefer, H., Gur, S., & Wolf, L. (2021). Transformer interpretability beyond attention visualization. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 782–791. DOI: 10.1109/CVPR46437.2021.00084 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable Transformer (Interpretability-Augmented Transformer Model). ScholarGate. https://scholargate.app/ca/deep-learning/explainable-transformer
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.
- Classificació basada en BERTAprenentatge profund↔ compare
- Classificació basada en BERT explicableAprenentatge profund↔ compare
- Multimodal TransformerAprenentatge profund↔ compare
- Transformer auto-supervisatAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →