Vysvetliteľný Transformer
Vysvetliteľný Transformer kombinuje štandardnú alebo predtrénovanú Transformer architektúru s post-hoc alebo vstavanými technikami interpretovateľnosti — ako je rozvinutie pozornosti (attention rollout), pozornosť vážená gradientom (gradient-weighted attention) alebo SHAP — na odhalenie, ktoré vstupové tokeny alebo oblasti viedli k jednotlivým predikciám. Tento prístup spája vysokú prediktívnu presnosť s transparentnosťou požadovanou vo vysoko rizikových alebo regulovaných oblastiach.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Explainable Transformer (Interpretability-Augmented Transformer Model). ScholarGate. https://scholargate.app/sk/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.
- Klasifikácia založená na BERTHlboké učenie↔ compare
- Vysvetliteľná klasifikácia založená na BERTHlboké učenie↔ compare
- Multimodálny TransformerHlboké učenie↔ compare
- Samoučiací sa TransformerHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →