व्याख्या योग्य आवर्ती तंत्रिका नेटवर्क
एक व्याख्या योग्य आवर्ती तंत्रिका नेटवर्क (XAI-RNN) एक मानक RNN आर्किटेक्चर को एक पोस्ट-हॉक या आंतरिक व्याख्यात्मक विधि - जैसे SHAP, LIME, एकीकृत ग्रेडिएंट, या ध्यान विज़ुअलाइज़ेशन - के साथ जोड़ता है ताकि यह पता लगाया जा सके कि कौन से इनपुट समय चरण या टोकन मॉडल की अनुक्रमिक भविष्यवाणियों को सबसे अधिक प्रभावित करते हैं, बिना भविष्य कहनेवाला सटीकता का त्याग किए।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- Arrieta, A. B., Diaz-Rodriguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., Garcia, S., Gil-Lopez, S., Molina, D., Benjamins, R., Chatila, R., & Herrera, F. (2020). Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, 58, 82–115. DOI: 10.1016/j.inffus.2019.12.012 ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Explainable Recurrent Neural Network (XAI-augmented RNN). ScholarGate. https://scholargate.app/hi/deep-learning/explainable-recurrent-neural-network
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- व्याख्यायोग्य LSTMगहन अधिगम↔ तुलना करें
- व्याख्यायोग्य ट्रांसफार्मरगहन अधिगम↔ तुलना करें
- गेटेड रिकरेंट यूनिट (GRU)गहन अधिगम↔ तुलना करें
- लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM)गहन अधिगम↔ तुलना करें
- पुनरावर्ती तंत्रिका नेटवर्कगहन अधिगम↔ तुलना करें