Forklarlig Multilayer Perceptron
En Forklarlig Multilayer Perceptron (XMLP) er et standard feedforward neuralt netværk trænet med backpropagation, udvidet med post-hoc fortolkelighedsteknikker — såsom SHAP-værdier, LIME eller integrerede gradienter — der tilskriver hver forudsigelse individuelle inputfunktioner. Kombinationen bevarer MLP'ens approksimationskraft, mens den opfylder gennemsigtighedskrav, der er almindelige i regulerede eller højrisikodomæner.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
Sådan citerer du denne side
ScholarGate. (2026, June 3). Explainable Multilayer Perceptron (MLP with Post-hoc Interpretability). ScholarGate. https://scholargate.app/da/deep-learning/explainable-multilayer-perceptron
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.
- Forklarlig LSTMDyb læring↔ compare
- Forklarlig TransformerDyb læring↔ compare
- Multilayer Perceptron (MLP)Dyb læring↔ compare
- Random ForestMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →