Perceptron multicouche explicable
Un Perceptron Multicouche Explicable (XMLP) est un réseau neuronal standard à propagation avant, entraîné par rétropropagation, augmenté de techniques d'interprétabilité post-hoc — telles que les valeurs SHAP, LIME, ou les gradients intégrés — qui attribuent chaque prédiction à des caractéristiques d'entrée individuelles. La combinaison conserve la puissance d'approximation du MLP tout en satisfaisant aux exigences de transparence courantes dans les domaines réglementés ou à enjeux élevés.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
Comment citer cette page
ScholarGate. (2026, June 3). Explainable Multilayer Perceptron (MLP with Post-hoc Interpretability). ScholarGate. https://scholargate.app/fr/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.
- LSTM explicableApprentissage profond↔ compare
- Transformer ExplicableApprentissage profond↔ compare
- Perceptron multicouche (MLP)Apprentissage profond↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →