Explainable LSTM
Explainable LSTM kombinerer et trent Long Short-Term Memory-nettverk med post-hoc-tolkbarhetsteknikker — primært SHAP, LIME, integrerte gradienter eller oppmerksomhetsvisualisering — for å avdekke hvilke tidsskritt, tokens eller trekk som driver hver prediksjon. Det bygger bro mellom nøyaktigheten til rekurrent dyp læring og den transparensen som kreves av høyrisikodomener som klinisk beslutningsstøtte, svindeldeteksjon og regulatorisk etterlevelse.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Explainable Long Short-Term Memory Network. ScholarGate. https://scholargate.app/no/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.
- Forklarbar BERT-basert klassifiseringDyp læring↔ compare
- Forklarbar GRUDyp læring↔ compare
- Forklarende tilbakevendende nevralt nettverkDyp læring↔ compare
- Forklarbar TransformerDyp læring↔ compare
- Langtidskorttidsminne (LSTM)Dyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →