awesome_deep_learning_interpretability
1.0.0
الأوراق المتعلقة بالتعلم العميق على النموذج التوضيحي في السنوات الأخيرة.
فرز الرقم المرجعي
159 أوراق PDF (2 منها يجب العثور عليها على SCIHUB) تم تحميلها إلى Tencent Weiyun.
تم تحديثه من وقت لآخر.
| سنة | النشر | ورق | اقتباس | شفرة |
|---|---|---|---|---|
| 2020 | CVPR | شرح تقطير المعرفة من خلال تحديد المعرفة | 81 | |
| 2020 | CVPR | يساعد مكون التردد العالي في شرح تعميم الشبكات العصبية التلافيفية | 289 | |
| 2020 | CVPRW | كاميرا النتيجة: تفسيرات بصرية مرفوعة بالتقدير للشبكات العصبية التلافيفية | 414 | Pytorch |
| 2020 | ICLR | اتساق المعرفة بين الشبكات العصبية وخارجها | 28 | |
| 2020 | ICLR | الشبكات العصبية المعقدة القابلة للتفسير من أجل حماية الخصوصية | ثلاثة وعشرين | |
| 2019 | منظمة العفو الدولية | شرح في الذكاء الفني: رؤى من العلوم الاجتماعية | 3248 | |
| 2019 | NMI | توقف عن شرح نماذج التعلم الآلي ذات الصندوق الأسود لاتخاذ قرارات عالية المخاطر واستخدام النماذج القابلة للتفسير بدلاً من ذلك | 3505 | |
| 2019 | العصبية | هل يمكنك الوثوق في عدم اليقين في طرازك؟ تقييم عدم اليقين التنبئي تحت تحول مجموعة البيانات | 1052 | - |
| 2019 | العصبية | هذا يبدو هكذا: التعلم العميق للتعرف على الصور القابل للتفسير | 665 | Pytorch |
| 2019 | العصبية | معيار لطرق التفسير في الشبكات العصبية العميقة | 413 | |
| 2019 | العصبية | التمثيل الكامل لتصور الشبكة العصبية | 155 | |
| 2019 | العصبية | على (في) الإخلاص وحساسية التفسيرات | 226 | |
| 2019 | العصبية | نحو التفسيرات التلقائية القائمة على المفاهيم | 342 | Tensorflow |
| 2019 | العصبية | Cxplain: تفسيرات سببية لتفسير النموذج تحت عدم اليقين | 133 | |
| 2019 | CVPR | تفسير CNNs عبر أشجار القرار | 293 | |
| 2019 | CVPR | من الاعتراف إلى الإدراك: التفكير المرئي المنطقي | 544 | Pytorch |
| 2019 | CVPR | شبكة فرع الانتباه: تعلم آلية الانتباه للتفسير البصري | 371 | |
| 2019 | CVPR | تفسيرات بصرية قابلة للتفسير وذات الحبيبات للشبكات العصبية التلافيفية | 116 | |
| 2019 | CVPR | تعلم التوضيح مع أمثلة مكملة | 36 | |
| 2019 | CVPR | الكشف عن المشاهد عن طريق قلب الهيكل من إعادة بناء الحركة | 84 | Tensorflow |
| 2019 | CVPR | تفسيرات متعددة الوسائط من خلال التنبؤ بالتعايش في مقاطع الفيديو | 26 | |
| 2019 | CVPR | تصور مرونة تفسيرات الشبكة التلافيفية العميقة | 2 | |
| 2019 | ICCV | U-CAM: التفسير المرئي باستخدام خرائط تنشيط الفئة القائمة على عدم اليقين | 61 | |
| 2019 | ICCV | نحو التعرف على الوجه القابل للتفسير | 66 | |
| 2019 | ICCV | أخذ تلميح: الاستفادة من التفسيرات لجعل نماذج الرؤية واللغة أكثر ترتكز | 163 | |
| 2019 | ICCV | فهم الشبكات العميقة عبر الاضطرابات القصوى والأقنعة الملساء | 276 | Pytorch |
| 2019 | ICCV | شرح الشبكات العصبية بشكل دلالي وكمي | 49 | |
| 2019 | ICLR | التفسيرات الهرمية لتنبؤات الشبكة العصبية | 111 | Pytorch |
| 2019 | ICLR | ما مدى أهمية الخلايا العصبية؟ | 101 | |
| 2019 | ICLR | التفسير المرئي بالتفسير: تحسين قدرات التغذية المرتدة للشبكات العصبية العميقة | 56 | |
| 2018 | ICML | استخراج الأوتوماتا من الشبكات العصبية المتكررة باستخدام الاستعلامات والأمثلة المضادة | 169 | Pytorch |
| 2019 | ICML | نحو فهم عميق وموحد للنماذج العصبية العميقة في NLP | 80 | Pytorch |
| 2019 | icais | تفسير تنبؤات الصندوق الأسود باستخدام حبات فيشر | 80 | |
| 2019 | ACMFAT | شرح التفسيرات في الذكاء الاصطناعي | 558 | |
| 2019 | aaai | تفسير الشبكات العصبية هشة | 597 | Tensorflow |
| 2019 | aaai | استخراج خريطة الملاءمة المصنفة | ثلاثة وعشرين | |
| 2019 | aaai | هل يمكنك شرح ذلك؟ التفسيرات الواضحة تساعد على استرجاع الصورة التعاونية الإنسان | 11 | |
| 2019 | aaaiw | تعلم غير خاضع للإشراف للشبكات العصبية لشرح الشبكات العصبية | 28 | |
| 2019 | aaaiw | زرع الشبكة | 4 | |
| 2019 | csur | دراسة استقصائية لطرق شرح نماذج الصناديق السوداء | 3088 | |
| 2019 | jvcir | الشبكات العصبية التلافيفية القابلة للتفسير عن طريق التصميم العذراء | 134 | كيراس |
| 2019 | شرح | موثوقية (غير) موثوقية اللعاب | 515 | |
| 2019 | ACL | الانتباه ليس تفسيرًا | 920 | |
| 2019 | emnlp | الاهتمام ليس تفسيرًا | 667 | |
| 2019 | arxiv | تفسير الانتباه عبر مهام NLP | 129 | |
| 2019 | arxiv | CNNs القابلة للتفسير | 2 | |
| 2018 | ICLR | نحو فهم أفضل لطرق السمة القائمة على التدرج للشبكات العصبية العميقة | 775 | |
| 2018 | ICLR | تعلم كيفية شرح الشبكات العصبية: patternnet و patternattribution | 342 | |
| 2018 | ICLR | حول أهمية الاتجاهات الفردية للتعميم | 282 | Pytorch |
| 2018 | ICLR | اكتشاف التفاعلات الإحصائية من أوزان الشبكة العصبية | 148 | Pytorch |
| 2018 | ICLR | العد القابل للتفسير للإجابة على الأسئلة المرئية | 55 | Pytorch |
| 2018 | CVPR | الشبكات العصبية التلافيفية القابلة للتفسير | 677 | |
| 2018 | CVPR | قل لي أين أنظر: شبكة استنتاج الانتباه الموجهة | 454 | سلسلة |
| 2018 | CVPR | تفسيرات متعددة الوسائط: تبرير القرارات والإشارة إلى الأدلة | 349 | الكافيين |
| 2018 | CVPR | الشفافية حسب التصميم: أغلق الفجوة بين الأداء والتفسير في التفكير البصري | 180 | Pytorch |
| 2018 | CVPR | Net2Vec: قياس وشرح كيفية ترميز المفاهيم بواسطة المرشحات في الشبكات العصبية العميقة | 186 | |
| 2018 | CVPR | ماذا تعلمنا من تمثيلات عميقة للتعرف على العمل؟ | 52 | |
| 2018 | CVPR | تعلم التصرف بشكل صحيح: التنبؤ وشرح المعملات من الصور | 57 | |
| 2018 | CVPR | تدريس فئات للمتعلمين البشريين مع تفسيرات بصرية | 64 | Pytorch |
| 2018 | CVPR | ماذا تحب الشبكات العميقة أن ترى؟ | 36 | |
| 2018 | CVPR | تفسير الشبكات العصبية من خلال تحديد مسارات توجيه البيانات الهامة | 73 | Tensorflow |
| 2018 | ECCV | التجميع العميق للتعلم غير الخاضع للإشراف للميزات المرئية | 2056 | Pytorch |
| 2018 | ECCV | الحوسبة العصبية التي يمكن شرحها عبر شبكات الوحدة العصبية المكدس | 164 | Tensorflow |
| 2018 | ECCV | تأريض التفسيرات البصرية | 184 | |
| 2018 | ECCV | تفسيرات نصية للمركبات ذاتية القيادة | 196 | |
| 2018 | ECCV | تحلل أساس قابل للتفسير للتفسير البصري | 228 | Pytorch |
| 2018 | ECCV | مقنعين وتصوروا أبعد من الدقة: فهم الأخطاء والاكتشاف التحيزات | 147 | |
| 2018 | ECCV | VQA-E: شرح ، وتوضيح ، وتعزيز إجاباتك للأسئلة البصرية | 71 | |
| 2018 | ECCV | اختر الخلايا العصبية الخاصة بك: دمج معرفة المجال من خلال أهمية الخلايا العصبية | 41 | Pytorch |
| 2018 | ECCV | تكشف تصورات الميزات المتنوعة عن الثبات في الطبقات المبكرة من الشبكات العصبية العميقة | ثلاثة وعشرين | Tensorflow |
| 2018 | ECCV | Explaingan: تفسير النموذج عبر تحولات عبور حدود القرار | 36 | |
| 2018 | ICML | تفسير القابلية وراء السمة الميزة: الاختبار الكمي مع ناقلات تنشيط المفهوم | 1130 | Tensorflow |
| 2018 | ICML | تعلم شرح: منظور نظري للمعلومات حول تفسير النموذج | 421 | |
| 2018 | ACL | هل فهم النموذج السؤال؟ | 171 | Tensorflow |
| 2018 | فيتي | التفسير البصري للتعلم العميق: مسح | 731 | |
| 2018 | العصبية | يتحقق العقلانية لخرائط اللعاب | 1353 | |
| 2018 | العصبية | تفسيرات تستند إلى المفقودين: نحو تفسيرات مخالفة مع السلبيات ذات الصلة | 443 | Tensorflow |
| 2018 | العصبية | نحو التفسير القوي مع الشبكات العصبية | 648 | Pytorch |
| 2018 | العصبية | الهجمات تلبي التفسير: اكتشاف عينات من العينات العدائية | 142 | |
| 2018 | العصبية | Deeppink: اختيار الميزات القابلة للتكرار في الشبكات العصبية العميقة | 125 | كيراس |
| 2018 | العصبية | تمثل اختيار نقطة لشرح الشبكات العصبية العميقة | 182 | Tensorflow |
| 2018 | ورشة عمل Neupips | المرشحات التلافيفية القابلة للتفسير مع sincnet | 97 | |
| 2018 | aaai | المراسي: تفسيرات نموذجية عالية الدقة | 1517 | |
| 2018 | aaai | تحسين المتانة وتفسير الشبكات العصبية العميقة من خلال تنظيم تدرجات المدخلات الخاصة بهم | 537 | Tensorflow |
| 2018 | aaai | التعلم العميق للتفكير القائم على الحالات من خلال النماذج الأولية: شبكة عصبية تشرح تنبؤاتها | 396 | Tensorflow |
| 2018 | aaai | تفسير المعرفة CNN عبر رسم بياني توضيحي | 199 | ماتلاب |
| 2018 | aaai | فحص تمثيلات CNN فيما يتعلق بتحيز مجموعة البيانات | 88 | |
| 2018 | WACV | Grad-Cam ++: التفسيرات المرئية المعممة القائمة على التدرج للشبكات التلافيفية العميقة | 1459 | |
| 2018 | IJCV | من أعلى إلى أسفل الاهتمام العصبي عن طريق الإثارة الخلفية | 778 | |
| 2018 | tpami | تفسير التمثيل المرئي العميق عبر تشريح الشبكة | 252 | |
| 2018 | DSP | طرق لتفسير وفهم الشبكات العصبية العميقة | 2046 | |
| 2018 | وصول | النظر داخل الصندوق الأسود: دراسة استقصائية عن الذكاء الاصطناعي القابل للتفسير (XAI) | 3110 | |
| 2018 | جير | تعلم القواعد التوضيحية من البيانات الصاخبة | 440 | Tensorflow |
| 2018 | ميبرو | الذكاء الفني القابل للتفسير: دراسة استقصائية | 794 | |
| 2018 | BMVC | الارتفاع: أخذ عينات من المدخلات العشوائية لشرح نماذج الصناديق السوداء | 657 | |
| 2018 | arxiv | تقطير: تدقيق نماذج صناديق سوداء باستخدام تقطير النماذج الشفافة | 194 | |
| 2018 | arxiv | معالجة وقياس تفسير النموذج | 496 | |
| 2018 | arxiv | كيف شاهد الشبكة العصبية التلافيفية المسح العالمي-مسح لأساليب تصور الشبكة العصبية التلافيفية | 211 | |
| 2018 | arxiv | إعادة النظر في أهمية الوحدات الفردية في CNNs عن طريق الاجتثاث | 93 | |
| 2018 | arxiv | تدابير فعالة حسابيًا لأهمية الخلايا العصبية الداخلية | 10 | |
| 2017 | ICML | فهم تنبؤات الصندوق الأسود عبر وظائف التأثير | 2062 | Pytorch |
| 2017 | ICML | السمة البديهية للشبكات العميقة | 3654 | كيراس |
| 2017 | ICML | تعلم ميزات مهمة من خلال مواقف التنشيط | 2835 | |
| 2017 | ICLR | تصور قرارات الشبكة العصبية العميقة: تحليل اختلاف التنبؤ | 674 | الكافيين |
| 2017 | ICLR | استكشاف الكثير في الشبكات العصبية العميقة | 34 | |
| 2017 | العصبية | نهج موحد لتفسير تنبؤات النموذج | 11511 | |
| 2017 | العصبية | في الوقت الفعلي صورة صورة لفئات الصناديق السوداء | 483 | Pytorch |
| 2017 | العصبية | SVCCA: تحليل الارتباط الكنسي المتجه المفرد لديناميات التعلم العميق وتفسيره | 473 | |
| 2017 | CVPR | أجزاء كائن التعدين من CNNs عبر الانتقال النشط للأسئلة | 29 | |
| 2017 | CVPR | تشريح الشبكة: تحديد قابلية التفسير للتمثيلات البصرية العميقة | 1254 | |
| 2017 | CVPR | تحسين قابلية تفسير الشبكات العصبية العميقة مع المعلومات الدلالية | 118 | |
| 2017 | CVPR | MDNET: شبكة تشخيص صور طبية قابلة للتفسير بشكل دلالي وبصري | 307 | الشعلة |
| 2017 | CVPR | جعل V في VQA مسألة: رفع دور فهم الصورة في الإجابة على الأسئلة البصرية | 1686 | |
| 2017 | CVPR | معرفة متى ننظر: الاهتمام التكيفي عبر حارس مرئي للتسميات التوضيحية للصورة | 1392 | الشعلة |
| 2017 | CVPRW | تحليل العمل البشري ثلاثي الأبعاد قابل للتفسير مع الشبكات التلافيفية الزمنية | 539 | |
| 2017 | ICCV | Grad-Cam: تفسيرات بصرية من الشبكات العميقة عبر التعريب القائم على التدرج | 13006 | Pytorch |
| 2017 | ICCV | تفسيرات قابلة للتفسير للصناديق السوداء عن طريق الاضطراب الهادئ | 1293 | Pytorch |
| 2017 | ICCV | التعلم القابل للتفسير للسيارات ذاتية القيادة من خلال تصور الاهتمام السببي | 323 | |
| 2017 | ICCV | فهم ومقارنة الشبكات العصبية العميقة للعمر والتصنيف بين الجنسين | 130 | |
| 2017 | ICCV | تعلم الغموض من خلال طرح الأسئلة التمييزية | 26 | |
| 2017 | ijcai | الحق للأسباب الصحيحة: تدريب نماذج قابلة للتمييز من خلال تقييد تفسيراتها | 429 | |
| 2017 | ijcai | فهم الشبكات العصبية التلافيفية وتحسينها عبر وحدات خطية مصححة متسلسلة | 510 | الكافيين |
| 2017 | aaai | متزايدة الرسوم البيانية القابلة للتفسير على مقنعات من خلال التعلم متعدد الفرق | 67 | ماتلاب |
| 2017 | ACL | تصور وفهم الترجمة الآلية العصبية | 179 | |
| 2017 | emnlp | إطار عمل سببي لشرح تنبؤات نماذج تسلسل الصناديق السوداء إلى التسلسل | 192 | |
| 2017 | ورشة عمل CVPR | النظر تحت الغطاء: تصور الشبكة العصبية العميقة لتفسير نتائج تحليل الصور بالكامل للبوليس الملونة | 47 | |
| 2017 | استطلاع | تفسير نماذج التعلم العميق: مسح للنتائج | 345 | |
| 2017 | arxiv | Smoothgrad: إزالة الضوضاء عن طريق إضافة الضوضاء | 1479 | |
| 2017 | arxiv | قابلة للتفسير واستكشاف تقريب نماذج الصندوق الأسود | 259 | |
| 2017 | arxiv | تقطير الشبكة العصبية في شجرة قرارات ناعمة | 520 | Pytorch |
| 2017 | arxiv | نحو الشبكات العصبية العميقة القابلة للتفسير عن طريق الاستفادة | 111 | |
| 2017 | arxiv | الذكاء الفني الذي يمكن شرحه: فهم نماذج التعلم العميقة وتفسيرها | 1279 | |
| 2017 | arxiv | شبكات التفسير السياقي | 77 | Pytorch |
| 2017 | arxiv | تحديات الشفافية | 142 | |
| 2017 | ACMSOPP | DeepXplore: اختبار صناديق وايت آلي لأنظمة التعلم العميق | 1144 | |
| 2017 | Ceurw | ماذا يعني تفسير الذكاء الاصطناعي حقًا؟ تصور جديد للوجهات | 518 | |
| 2017 | TVCG | النشاط: الاستكشاف البصري لنماذج الشبكة العصبية العميقة على نطاق الصناعة | 346 | |
| 2016 | العصبية | توليف المدخلات المفضلة للخلايا العصبية في الشبكات العصبية عبر شبكات مولد عميقة | 659 | الكافيين |
| 2016 | العصبية | فهم المجال المتقبل الفعال في الشبكات العصبية التلافيفية العميقة | 1356 | |
| 2016 | CVPR | تقلب التمثيلات البصرية مع الشبكات التلافيفية | 626 | |
| 2016 | CVPR | تصور وفهم تمثيلات الملمس العميق | 147 | |
| 2016 | CVPR | تحليل المصنفات: ناقلات فيشر والشبكات العصبية العميقة | 191 | |
| 2016 | ECCV | توليد تفسيرات بصرية | 613 | الكافيين |
| 2016 | ECCV | تصميم النواة في الشبكات العصبية التلافيفية لتصنيف الصور | أربعة وعشرون | |
| 2016 | ICML | فهم الشبكات العصبية التلافيفية وتحسينها عبر وحدات خطية مصححة متسلسلة | 510 | |
| 2016 | ICML | تصور ومقارنة Alexnet و VGG باستخدام طبقات deconvolutional | 126 | |
| 2016 | emnlp | ترشيد التنبؤات العصبية | 738 | Pytorch |
| 2016 | IJCV | تصور الشبكات العصبية التلافيفية العميقة باستخدام صور ما قبل ذلك الطبيعية | 508 | ماتلاب |
| 2016 | IJCV | تصور ميزات اكتشاف الكائنات | 38 | الكافيين |
| 2016 | KDD | لماذا يجب أن أثق بك؟: شرح تنبؤات أي مصنف | 11742 | |
| 2016 | TVCG | تصور النشاط الخفي للشبكات العصبية الفنية | 309 | |
| 2016 | TVCG | نحو تحليل أفضل للشبكات العصبية التلافيفية العميقة | 474 | |
| 2016 | naaCl | تصور وفهم النماذج العصبية في NLP | 650 | الشعلة |
| 2016 | arxiv | فهم الشبكات العصبية من خلال محو التمثيل) | 492 | |
| 2016 | arxiv | Grad-Cam: لماذا قلت ذلك؟ | 398 | |
| 2016 | arxiv | استثمار تأثير الضوضاء والمشتتات على تفسير الشبكات العصبية | 108 | |
| 2016 | arxiv | التفسيرات اليقظة: تبرير القرارات والإشارة إلى الأدلة | 88 | |
| 2016 | arxiv | أساطير تفسير النموذج | 3786 | |
| 2016 | arxiv | تصور ميزة متعددة الأوجه: كشف الأنواع المختلفة من الميزات التي تعلمتها كل خلية عصبية في الشبكات العصبية العميقة | 317 | |
| 2015 | ICLR | السعي من أجل البساطة: الشبكة التلافيفية كلها | 4645 | Pytorch |
| 2015 | CVPR | فهم تمثيل الصور العميق عن طريق قلبها | 1942 | ماتلاب |
| 2015 | ICCV | فهم الميزات العميقة مع الصور التي يتم إنشاؤها بالكمبيوتر | 156 | الكافيين |
| 2015 | ورشة عمل ICML | فهم الشبكات العصبية من خلال التصور العميق | 2038 | Tensorflow |
| 2015 | AAS | فصول قابلة للتفسير باستخدام القواعد وتحليل بايزي: بناء نموذج أفضل للتنبؤ بالسكتة الدماغية | 749 | |
| 2014 | ECCV | تصور وفهم الشبكات التلافيفية | 18604 | Pytorch |
| 2014 | ICLR | الشبكات التلافيفية العميقة: تصور نماذج تصنيف الصور وخرائط اللعاب | 6142 | Pytorch |
| 2013 | ICCV | Hoggles: تصور ميزات اكتشاف الكائنات | 352 |