Transformer Explicabil
Un Transformer Explicabil combină o arhitectură Transformer standard sau pre-antrenată cu tehnici de interpretabilitate post-hoc sau încorporate — precum attention rollout, attention ponderată prin gradient, sau SHAP — pentru a dezvălui ce tokeni de intrare sau regiuni au determinat fiecare predicție. Abordarea face legătura între o acuratețe predictivă ridicată și transparența necesară în domenii cu miză mare sau reglementate.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Explainable Transformer (Interpretability-Augmented Transformer Model). ScholarGate. https://scholargate.app/ro/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.
- Clasificare bazată pe BERTÎnvățare profundă↔ compare
- Clasificare explicabilă bazată pe BERTÎnvățare profundă↔ compare
- Transformer MultimodalÎnvățare profundă↔ compare
- Transformer auto-supervizatÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →