Explainable LSTM
Explainable LSTM kết hợp một mạng Long Short-Term Memory (LSTM) đã được huấn luyện với các kỹ thuật diễn giải hậu kiểm (post-hoc) — chủ yếu là SHAP, LIME, integrated gradients, hoặc trực quan hóa attention — để làm rõ các bước thời gian, token, hoặc đặc trưng nào thúc đẩy từng dự đoán. Nó cân bằng giữa độ chính xác của học sâu hồi quy với tính minh bạch được yêu cầu bởi các lĩnh vực có rủi ro cao như hỗ trợ quyết định lâm sàng, phát hiện gian lận và tuân thủ quy định.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Explainable Long Short-Term Memory Network. ScholarGate. https://scholargate.app/vi/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.
- Phân loại dựa trên BERT có thể giải thíchHọc sâu↔ compare
- GRU có thể giải thích đượcHọc sâu↔ compare
- Mạng nơ-ron hồi quy có thể giải thíchHọc sâu↔ compare
- Explainable Transformer (Transformer có thể giải thích được)Học sâu↔ compare
- Mạng bộ nhớ dài-ngắn hạn (LSTM)Học sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →