Explainable Multilayer Perceptron
Explainable Multilayer Perceptron (XMLP) คือโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้า (feedforward neural network) มาตรฐานที่ฝึกฝนด้วย backpropagation เสริมด้วยเทคนิคการตีความหลังการฝึก (post-hoc interpretability techniques) เช่น SHAP values, LIME, หรือ integrated gradients ซึ่งระบุที่มาของการทำนายแต่ละครั้งไปยังคุณลักษณะข้อมูลนำเข้า (input features) แต่ละรายการ การผสมผสานนี้ยังคงไว้ซึ่งพลังในการประมาณค่าของ MLP ในขณะที่ตอบสนองข้อกำหนดด้านความโปร่งใสที่พบได้ทั่วไปในโดเมนที่มีการกำกับดูแลหรือมีความเสี่ยงสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Explainable Multilayer Perceptron (MLP with Post-hoc Interpretability). ScholarGate. https://scholargate.app/th/deep-learning/explainable-multilayer-perceptron
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.
- LSTM ที่อธิบายได้การเรียนรู้เชิงลึก↔ compare
- ทรานส์ฟอร์มเมอร์ที่อธิบายได้การเรียนรู้เชิงลึก↔ compare
- เพอร์เซปตรอนหลายชั้น (MLP)การเรียนรู้เชิงลึก↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare