-
题名深度学习可解释性研究进展
被引量：77
- 1
-
-
作者
成科扬
王宁
师文喜
詹永照
-
机构
江苏大学计算机科学与通信工程学院
社会安全风险感知与防控大数据应用国家工程实验室(中国电子科学研究院)
新疆联海创智信息科技有限公司
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2020年第6期1208-1217,共10页
-
基金
国家自然科学基金项目(61972183,61672268)
社会安全风险感知与防控大数据应用国家工程实验室主任基金项目。
-
文摘
深度学习的可解释性研究是人工智能、机器学习、认知心理学、逻辑学等众多学科的交叉研究课题,其在信息推送、医疗研究、金融、信息安全等领域具有重要的理论研究意义和实际应用价值.从深度学习可解释性研究起源、研究探索期、模型构建期3方面回顾了深度学习可解释性研究历史,从可视化分析、鲁棒性扰动分析、敏感性分析3方面展现了深度学习现有模型可解释性分析研究现状,从模型代理、逻辑推理、网络节点关联分析、传统机器学习模型改进4方面剖析了可解释性深度学习模型构建研究,同时对当前该领域研究存在的不足作出了分析,展示了可解释性深度学习的典型应用,并对未来可能的研究方向作出了展望.
-
关键词
人工智能
深度学习
可解释性
神经网络
可视化
-
Keywords
artificial intelligence
deep learning
interpretability
neural network
visualization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名解耦表征学习研究进展
被引量：6
- 2
-
-
作者
成科扬
孟春运
王文杉
师文喜
詹永照
-
机构
江苏大学计算机科学与通信工程学院
社会安全风险感知与防控大数据应用国家工程实验室(中国电子科学研究院)
新疆联海创智信息科技有限公司
-
出处
《计算机应用》
CSCD
北大核心
2021年第12期3409-3418,共10页
-
基金
国家自然科学基金资助项目(61972183,61602215)
社会安全风险感知与防控大数据应用国家工程实验室主任基金资助项目。
-
文摘
解耦表征学习旨在对影响数据形态的关键因素进行建模,使得某一关键因素的变化仅仅引起数据在某项特征上的变化,而其他的特征不受影响,这有利于应对机器学习在模型可解释性、对象生成和操作以及零样本学习等问题上的挑战,因此解耦表征学习一直是机器学习领域的一个研究热点。从解耦表征学习的历史与动机入手,对解耦表征学习的研究现状以及应用进行归纳总结,分析了解耦表征所具有的不变性、复用性等特性,介绍了基于生成解耦表征变差因素的研究、基于流形相互作用解耦表征变差因素的研究、基于对抗性训练解耦表征变差因素的研究,以及一种变分自编码器β-VAE的研究等最新研究动态。同时,阐述了解耦表征学习的典型应用,并对未来的研究方向作出了展望。
-
关键词
解耦学习
表征学习
变分推断
可解释性
机器学习
自编码器
变差因素
复用性
-
Keywords
disentangled learning
representation learning
variational inference
interpretability
machine learning
auto-encoder
factors of variation
reusability
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于网络社交媒体的子话题检测技术综述
被引量：3
- 3
-
-
作者
理姗姗
杨文忠
王婷
王丽花
-
机构
新疆大学软件学院
新疆大学信息科学与工程学院
社会安全风险感知与防控大数据应用国家工程实验室(中国电子科学研究院)
-
出处
《计算机应用》
CSCD
北大核心
2020年第6期1565-1573,共9页
-
基金
国家重点研发计划项目(2017YFC0820702-3)
国家自然科学基金资助项目(U1603115,U1435215)
社会安全风险感知与防控大数据应用国家工程实验室主任基金资助项目。
-
文摘
在当前多种平台崛起的互联网背景下,与传统媒体相比,网络社交媒体中的数据具有传递速度快、用户参与度高、内容覆盖全等特点,其中存在着人们关注并发布评论的众多话题,而一个话题的相关信息中可能存在更深层次、更细粒度的子话题,针对该问题进行基于网络社交媒体的子话题检测技术的研究,这是一个新兴且不断发展的研究领域。通过社交媒体获取话题及子话题信息并参与讨论,这一方式正全方位、深层次改变着人们的生活,但是该领域技术还不成熟,且相关研究在国内尚处于起步阶段。首先,简述网络社交媒体中子话题检测的发展背景和基本概念;其次,将子话题检测技术分为七大类,对每类方法均加以介绍、对比和总结;然后,将子话题检测方式分为在线检测和离线检测两种方式,并将这两种方式进行对比,列举通用技术及两种方式下的常用技术;最后,概括了该领域当前不足及未来发展趋势。
-
关键词
子话题
话题检测和追踪
网络社交媒体
话题层次
子事件
-
Keywords
sub-topic
Topic Detection and Tracking(TDT)
internet social media
topic hierarchy
sub-event
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
