व्याख्यायोग्य LSTM
Explainable LSTM एक प्रशिक्षित Long Short-Term Memory (LSTM) नेटवर्क को post-hoc interpretability तकनीकों — मुख्य रूप से SHAP, LIME, integrated gradients, या attention visualization — के साथ जोड़ता है ताकि यह पता लगाया जा सके कि कौन से समय चरण (time steps), टोकन (tokens), या विशेषताएँ (features) प्रत्येक भविष्यवाणी (prediction) को संचालित करती हैं। यह पुनरावर्ती गहन शिक्षण (recurrent deep learning) की सटीकता को नैदानिक निर्णय समर्थन (clinical decision support), धोखाधड़ी का पता लगाने (fraud detection), और नियामक अनुपालन (regulatory compliance) जैसे उच्च-दांव वाले डोमेन (high-stakes domains) द्वारा अपेक्षित पारदर्शिता के साथ जोड़ता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Explainable Long Short-Term Memory Network. ScholarGate. https://scholargate.app/hi/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.
- व्याख्या योग्य BERT-आधारित वर्गीकरणगहन अधिगम↔ compare
- व्याख्या योग्य GRUगहन अधिगम↔ compare
- व्याख्या योग्य आवर्ती तंत्रिका नेटवर्कगहन अधिगम↔ compare
- व्याख्यायोग्य ट्रांसफार्मरगहन अधिगम↔ compare
- लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM)गहन अधिगम↔ compare