Forklarende tilbakevendende nevralt nettverk
Et forklarende tilbakevendende nevralt nettverk (XAI-RNN) kombinerer en standard RNN-arkitektur med en post-hoc eller intrinsisk fortolkningsmetode – som SHAP, LIME, integrerte gradienter eller oppmerksomhetsvisualisering – for å avsløre hvilke inndatatidstrinn eller tokener som mest påvirker modellens sekvensielle prediksjoner, uten å ofre prediktiv nøyaktighet.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Explainable Recurrent Neural Network (XAI-augmented RNN). ScholarGate. https://scholargate.app/no/deep-learning/explainable-recurrent-neural-network
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.
- Explainable LSTMDyp læring↔ compare
- Forklarbar TransformerDyp læring↔ compare
- Gated Recurrent Unit (GRU)Dyp læring↔ compare
- Langtidskorttidsminne (LSTM)Dyp læring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →