awesome_deep_learning_interpretability

Awesome_deep_learning_Interpretability

Связанные с глубоким обучением документы по моделям объяснения в последние годы.

Сортировать по номеру справочника

159 Papers PDF (2 из них должны быть найдены на Scihub) были загружены в Tencent Weiyun.

Обновляется время от времени.

Год	Публикация	Бумага	Цитирование	код
2020	CVPR	Объяснение дистилляции знаний путем количественной оценки знаний	81
2020	CVPR	Высокочастотный компонент помогает объяснить обобщение сверточных нейронных сетей	289
2020	CVPRW	CAM-CAM: Взветные визуальные объяснения для сверточных нейронных сетей	414	Пирог
2020	ICLR	Последовательность знаний между нейронными сетями и за пределами	28
2020	ICLR	Интерпретируемые комплексные нейронные сети для защиты конфиденциальности	двадцать три
2019	Ай	Объяснение в художественном интеллекте: понимание социальных наук	3248
2019	НМИ	Перестаньте объяснять модели черного ящика машинного обучения для решений на высоких ставках и вместо этого используйте интерпретируемые модели	3505
2019	Невра	Можете ли вы доверять неопределенности своей модели? Оценка прогнозирующей неопределенности при смене набора данных	1052	-
2019	Невра	Это выглядит так: глубокое обучение для интерпретируемого распознавания изображения	665	Пирог
2019	Невра	Эталон для методов интерпретации в глубоких нейронных сетях	413
2019	Невра	Полноградиентное представление для визуализации нейронной сети	155
2019	Невра	О (в) верности и чувствительности объяснений	226
2019	Невра	К автоматическим объяснениям на основе концепции	342	Tensorflow
2019	Невра	Cxplain: причинно -следственные связи для интерпретации модели при неопределенности	133
2019	CVPR	Интерпретация CNN с помощью деревьев решений	293
2019	CVPR	От признания до познания: рассуждения о визуальном здравом смысле	544	Пирог
2019	CVPR	Внимание филиала: Механизм внимания для визуального объяснения визуального объяснения	371
2019	CVPR	Интерпретируемые и мелкозернистые визуальные объяснения для сверточных нейронных сетей	116
2019	CVPR	Научиться объяснять с помощью дополнительных примеров	36
2019	CVPR	Раскрывающие сцены путем инвертирования структуры из реконструкций движения	84	Tensorflow
2019	CVPR	Мультимодальные объяснения, предсказав контрфактуальность в видео	26
2019	CVPR	Визуализация устойчивости глубоких сверточных сетевых интерпретаций	2
2019	ICCV	U-Cam: Визуальное объяснение с использованием карт активации класса на основе неопределенности	61
2019	ICCV	К интерпретируемому распознаванию лица	66
2019	ICCV	Принимая подсказку: использование объяснений, чтобы сделать модели зрения и языка более обоснованными	163
2019	ICCV	Понимание глубоких сетей с помощью экстремальных возмущений и гладких масок	276	Пирог
2019	ICCV	Объяснение нейронных сетей семантически и количественно	49
2019	ICLR	Иерархические интерпретации для прогнозов нейронной сети	111	Пирог
2019	ICLR	Насколько важен нейрон?	101
2019	ICLR	Визуальное объяснение путем интерпретации: улучшение возможностей визуальной обратной связи глубоких нейронных сетей	56
2018	ICML	Извлечение автоматов из повторяющихся нейронных сетей с использованием запросов и контрпримеров	169	Пирог
2019	ICML	На пути к глубокому и единому пониманию глубоких нейронных моделей в НЛП	80	Пирог
2019	Исайс	Интерпретация прогнозов черного ящика с использованием ядра Фишера	80
2019	Acmfat	Объяснение объяснений в ИИ	558
2019	Ааай	Интерпретация нейронных сетей хрупкая	597	Tensorflow
2019	Ааай	Извлечение карты альтернатива в классификаторе.	двадцать три
2019	Ааай	Вы можете это объяснить? Осознанные объяснения помогают сотрудничать с человеком-аи	11
2019	Aaaiw	Неконтролируемое изучение нейронных сетей для объяснения нейронных сетей	28
2019	Aaaiw	Трансплантация сети	4
2019	CSUR	Обзор методов объяснения моделей черного ящика	3088
2019	Jvcir	Интерпретируемые сверточные нейронные сети с помощью проектирования при прямой установке	134	Керас
2019	Объясните	(ООН) надежность методов слюна	515
2019	Acl	Внимание не объяснение	920
2019	Emnlp	Внимание не объяснение	667
2019	arxiv	Внимание интерпретируемости по задачам НЛП	129
2019	arxiv	Интерпретируемые CNNS	2
2018	ICLR	На пути к лучшему пониманию методов атрибутов на основе градиента для глубоких нейронных сетей	775
2018	ICLR	Обучение, как объяснить нейронные сети: Patternnet и Patternattribution	342
2018	ICLR	О важности отдельных направлений для обобщения	282	Пирог
2018	ICLR	Обнаружение статистических взаимодействий из веса нейронной сети	148	Пирог
2018	ICLR	Интерпретируемый подсчет для ответа на визуальный вопрос	55	Пирог
2018	CVPR	Интерпретируемые сверточные нейронные сети	677
2018	CVPR	Скажите мне, где искать: сеть логического вывода с управляемыми вниманием	454	Цепь
2018	CVPR	Мультимодальные объяснения: оправдание решений и указы на доказательства	349	Кофе
2018	CVPR	Прозрачность по дизайну: закрыть разрыв между производительностью и интерпретацией в визуальных рассуждениях	180	Пирог
2018	CVPR	Net2VEC: количественная оценка и объяснение того, как концепции кодируются фильтрами в глубоких нейронных сетях	186
2018	CVPR	Что мы узнали из глубоких представлений о признании действий?	52
2018	CVPR	Научиться действовать должным образом: прогнозирование и объяснение возможностей из изображений	57
2018	CVPR	Категории преподавания для людей с визуальными объяснениями	64	Пирог
2018	CVPR	Что хотели бы видеть глубокие сети?	36
2018	CVPR	Интерпретировать нейронные сети путем определения критических путей маршрутизации данных	73	Tensorflow
2018	ECCV	Глубокая кластеризация для неконтролируемого изучения визуальных особенностей	2056	Пирог
2018	ECCV	Объяснимые нейронные вычисления с помощью сети нейронных модулей стека	164	Tensorflow
2018	ECCV	Заземляя визуальные объяснения	184
2018	ECCV	Текстовые объяснения транспортных средств для самостоятельного вождения	196
2018	ECCV	Интерпретируемая базисная разложение для визуального объяснения	228	Пирог
2018	ECCV	Convinets и ImageNet Overse Abocary: понимание ошибок и раскрытие предвзятости	147
2018	ECCV	VQA-E: Объяснение, разработка и улучшение ваших ответов для визуальных вопросов	71
2018	ECCV	Выберите свой нейрон: включение знаний о домене через нейрон-импорт	41	Пирог
2018	ECCV	Разнообразные визуализации обнаружены инварианты в ранних слоях глубоких нейронных сетей	двадцать три	Tensorflow
2018	ECCV	Объяснение: модель объяснения через преобразования границ принятия решений	36
2018	ICML	Интерпретируемость за пределами атрибута признака: количественное тестирование с векторами активации концепции	1130	Tensorflow
2018	ICML	Обучение для объяснения: теоретика информации о модельной интерпретации	421
2018	Acl	Модель поняла вопрос?	171	Tensorflow
2018	Файтее	Визуальная интерпретация глубокого обучения: опрос	731
2018	Невра	Значительные проверки на карты слюна	1353
2018	Невра	Объяснения, основанные на отсутствующих: к противоположным объяснениям с соответствующими негативами	443	Tensorflow
2018	Невра	На пути к надежной интерпретации с самоочевидными нейронными сетями	648	Пирог
2018	Невра	Атаки соответствуют интерпретируемости: обнаружение атрибутов, обнаруженное состязательными образцами	142
2018	Невра	Deeppink: воспроизводимый выбор функций в глубоких нейронных сетях	125	Керас
2018	Невра	Отбор точек с представителями для объяснения глубоких нейронных сетей	182	Tensorflow
2018	Neurips Workshop	Интерпретируемые сверточные фильтры с Sincnet	97
2018	Ааай	Якоря: высокая модель-алкогольная объяснения	1517
2018	Ааай	Улучшение состязательной надежности и интерпретации глубоких нейронных сетей путем регуляризации их входных градиентов	537	Tensorflow
2018	Ааай	Глубокое обучение для рассуждений, основанных на случаях через прототипы: нейронная сеть, которая объясняет ее прогнозы	396	Tensorflow
2018	Ааай	Интерпретация знаний CNN с помощью объяснительного графика	199	Матлаб
2018	Ааай	Изучение представлений CNN в отношении смещения набора данных	88
2018	WACV	Grad-Cam ++: обобщенные визуальные объяснения на основе градиентов для глубоких сверточных сетей	1459
2018	IJCV	Нейронное внимание сверху вниз от возбуждения BackProp	778
2018	TPAMI	Интерпретация глубоких визуальных представлений с помощью сетевого рассечения	252
2018	DSP	Методы интерпретации и понимания глубоких нейронных сетей	2046
2018	Доступ	Заглядывая в черную коробку: опрос об объяснимом искусственном интеллекте (XAI)	3110
2018	Jair	Объяснительные правила обучения из шумных данных	440	Tensorflow
2018	MiPro	Объяснимый художественный интеллект: опрос	794
2018	BMVC	Восстание: рандомизированная входная выборка для объяснения моделей черного ящика	657
2018	arxiv	Distill and Compare: аудит моделей Black-Box с использованием прозрачной дистилляции модели	194
2018	arxiv	Манипулирование и измерение модели интерпретации	496
2018	arxiv	Как сверточная нейронная сеть см. Всемирное обследование, обследование сверточной нейронной сети методов визуализации	211
2018	arxiv	Пересмотр важность отдельных единиц в CNN через абляцию	93
2018	arxiv	Вычислительно эффективные показатели внутренней важности нейрона	10
2017	ICML	Понимание прогнозов черного ящика с помощью функций влияния	2062	Пирог
2017	ICML	Аксиоматический атрибут для глубоких сетей	3654	Керас
2017	ICML	Изучение важных функций посредством распространения дифференциаций активации	2835
2017	ICLR	Визуализация глубоких решений нейронной сети: анализ различий в прогнозировании	674	Кофе
2017	ICLR	Изучение участков в глубоких нейронных сетях	34
2017	Невра	Единый подход к интерпретации прогнозов модели	11511
2017	Невра	В реальном времени значимость изображений для классов черного ящика	483	Пирог
2017	Невра	SVCCA: канонический корреляционный анализ единственного вектора для динамики глубокого обучения и интерпретации	473
2017	CVPR	Запчасти объекта добычи от CNN с помощью активного ответа на вопрос	29
2017	CVPR	Сеть рассечение: количественная оценка интерпретации глубоких визуальных представлений	1254
2017	CVPR	Улучшение интерпретации глубоких нейронных сетей с помощью семантической информации	118
2017	CVPR	MDNet: семантически и визуально интерпретируемая сеть диагностики медицинского изображения	307	Факел
2017	CVPR	Создание V в VQA Matter: повышение роли понимания изображения в ответе на визуальный вопрос.	1686
2017	CVPR	Знание, когда смотреть: адаптивное внимание через визуальный стражи для подписания изображения	1392	Факел
2017	CVPRW	Интерпретируемый 3D -анализ действий человека со временными сверточными сетями	539
2017	ICCV	Выпускник: визуальные объяснения из глубоких сетей с помощью локализации на основе градиентов	13006	Пирог
2017	ICCV	Интерпретируемые объяснения черных ящиков значимым возмущением	1293	Пирог
2017	ICCV	Интерпретируемое обучение для автомобилей с самостоятельным вождением, визуализируя причинно-следственное внимание	323
2017	ICCV	Понимание и сравнение глубоких нейронных сетей для возраста и гендерной классификации	130
2017	ICCV	Учиться усаволю, задавая дискриминационные вопросы	26
2017	Ijcai	Правильно по правильным причинам: обучение дифференцируемых моделей, ограничивая их объяснения	429
2017	Ijcai	Понимание и улучшение сверточных нейронных сетей с помощью конкатенированных выпрямленных линейных единиц	510	Кофе
2017	Ааай	Растущие интерпретируемые графики деталей на Convnets через многократное обучение	67	Матлаб
2017	Acl	Визуализация и понимание перевода нейронной машины	179
2017	Emnlp	Причинная структура для объяснения прогнозов моделей черного ящика-последовательности к последовательности	192
2017	Семинар CVPR	Глядя под капот: глубокая визуализация нейронной сети, чтобы интерпретировать результаты анализа изображений цельно-слайда для красочных полисов	47
2017	Опрос	Интерпретируемость моделей глубокого обучения: обзор результатов	345
2017	arxiv	SmoothGrad: удаление шума, добавляя шум	1479
2017	arxiv	Интерпретируемые и исследуйте приближения моделей черного ящика	259
2017	arxiv	Распределение нейронной сети в мягкое дерево решений	520	Пирог
2017	arxiv	На пути к интерпретируемым глубокому нейронным сетям, используя примеры состязания	111
2017	arxiv	Объяснимый художественный интеллект: понимание, визуализация и интерпретация моделей глубокого обучения	1279
2017	arxiv	Контекстуальные объяснения сети	77	Пирог
2017	arxiv	Проблемы для прозрачности	142
2017	Acmsopp	DeepXplore: автоматическое тестирование белого ящика систем глубокого обучения	1144
2017	Ceurw	Что на самом деле означает объяснительный ИИ? Новая концептуализация перспектив	518
2017	TVCG	Activis: визуальное исследование моделей глубоких нейронных сети в отрасли	346
2016	Невра	Синтезирование предпочтительных входов для нейронов в нейронных сетях через глубокие генераторные сети	659	Кофе
2016	Невра	Понимание эффективного восприимчивого поля в глубоких сверточных нейронных сетях	1356
2016	CVPR	Инвертирование визуальных представлений с сверточными сетями	626
2016	CVPR	Визуализация и понимание глубоких текстурных представлений	147
2016	CVPR	Анализ классификаторов: векторы Фишера и глубокие нейронные сети	191
2016	ECCV	Генерируя визуальные объяснения	613	Кофе
2016	ECCV	Дизайн ядер в сверточных нейронных сетях для классификации изображений	двадцать четыре
2016	ICML	Понимание и улучшение сверточных нейронных сетей с помощью конкатенированных выпрямленных линейных единиц	510
2016	ICML	Визуализация и сравнение Alexnet и VGG с использованием деконволюционных слоев	126
2016	Emnlp	Рационализация нейронных прогнозов	738	Пирог
2016	IJCV	Визуализация глубоких сверточных нейронных сетей с использованием естественных предварительных изображений	508	Матлаб
2016	IJCV	Визуализация функций обнаружения объектов	38	Кофе
2016	Kdd	Почему я должен тебе доверять?: Объяснение прогнозов любого классификатора	11742
2016	TVCG	Визуализация скрытой деятельности художественных нейронных сетей	309
2016	TVCG	На пути к лучшему анализу глубоких сверточных нейронных сетей	474
2016	Наакл	Визуализация и понимание нейронных моделей в НЛП	650	Факел
2016	arxiv	Понимание нейронных сетей посредством стирания представления)	492
2016	arxiv	Grad-cam: Почему вы это сказали?	398
2016	arxiv	Инвестирование влияния шума и отвлекающих факторов на интерпретацию нейронных сетей	108
2016	arxiv	Внимательные объяснения: оправдание решений и указы на доказательства	88
2016	arxiv	Миф о интерпретации модели	3786
2016	arxiv	Многогранная визуализация функций: раскрытие различных типов признаков, изученных каждым нейроном в глубоких нейронных сетях	317
2015	ICLR	Стремление к простоте: все сверточная сеть	4645	Пирог
2015	CVPR	Понимание глубоких представлений образа, инвертируя их	1942	Матлаб
2015	ICCV	Понимание глубоких особенностей с помощью компьютерных изображений	156	Кофе
2015	ИССЛЕДОВАНИЕ ИССЛЕДОВАНИЯ	Понимание нейронных сетей посредством глубокой визуализации	2038	Tensorflow
2015	Аас	Интерпретируемые классы с использованием правил и байесовского анализа: создание лучшей модели прогнозирования инсульта	749
2014	ECCV	Визуализация и понимание сверточных сетей	18604	Пирог
2014	ICLR	Глубокие внутренние сверточные сети: визуализация моделей классификации изображений и карт слюна	6142	Пирог
2013	ICCV	Hoggles: визуализация функций обнаружения объектов	352

• Бумажный разговор