Erklärbares Multilayer Perceptron
Ein erklärbares Multilayer Perceptron (XMLP) ist ein Standard-Feedforward-Neuronales Netz, das mit Backpropagation trainiert wird und durch Post-hoc-Interpretierbarkeitstechniken – wie SHAP-Werte, LIME oder integrierte Gradienten – erweitert wird, welche jede Vorhersage einzelnen Eingabemerkmalen zuordnen. Die Kombination behält die Approximationskraft des MLP bei und erfüllt gleichzeitig die Transparenzanforderungen, die in regulierten oder risikoreichen Domänen üblich sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Explainable Multilayer Perceptron (MLP with Post-hoc Interpretability). ScholarGate. https://scholargate.app/de/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.
- Erklärbare LSTMDeep Learning↔ compare
- Erklärbarer TransformerDeep Learning↔ compare
- Mehrschichtiges Perzeptron (MLP)Deep Learning↔ compare
- Random ForestMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →