Magyarázható Transformer
A magyarázható Transformer (Explainable Transformer) egy standard vagy előképzett Transformer architektúrát kombinál utólagos (post-hoc) vagy beépített (built-in) értelmezhetőségi technikákkal – mint például az attention rollout, a gradiensekkel súlyozott figyelem (gradient-weighted attention) vagy a SHAP – annak feltárására, hogy mely bemeneti tokenek vagy régiók vezérelték az egyes predikciókat. Ez az eljárás összekapcsolja a magas prediktív pontosságot azzal az átláthatósággal, amely a magas tétű vagy szabályozott területeken elengedhetetlen.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Források
- Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30. link ↗
- Chefer, H., Gur, S., & Wolf, L. (2021). Transformer interpretability beyond attention visualization. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 782–791. DOI: 10.1109/CVPR46437.2021.00084 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Explainable Transformer (Interpretability-Augmented Transformer Model). ScholarGate. https://scholargate.app/hu/deep-learning/explainable-transformer
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.
- BERT-alapú osztályozásMélytanulás↔ compare
- Magyarázható BERT-alapú osztályozásMélytanulás↔ compare
- Multimodális transzformerMélytanulás↔ compare
- Önfelügyelt TransformerMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →