• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Fuzzy Systems >Explainable AI for Understanding Decisions and Data-Driven Optimization of the Choquet Integral
【24h】

Explainable AI for Understanding Decisions and Data-Driven Optimization of the Choquet Integral

机译：可解释的AI，用于了解Choquet积分的决策和数据驱动的优化

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To date, numerous ways have been created to learn a fusion solution from data. However, a gap exists in terms of understanding the quality of what was learned and how trustworthy the fusion is for future-i.e., new-data. In part, the current paper is driven by the demand for so-called explainable AI (XAI). Herein, we discuss methods for XAI of the Choquet integral (ChI), a parametric nonlinear aggregation function. Specifically, we review existing indices, and we introduce new data-centric XAI tools. These various XAI-ChI methods are explored in the context of fusing a set of heterogeneous deep convolutional neural networks for remote sensing.
机译：迄今为止，已经创建了许多方法来从数据中学习融合解决方案。但是，在理解所学知识的质量以及融合对于未来（即新数据）的可信度方面存在差距。在某种程度上，当前的论文是由对所谓的可解释AI（XAI）的需求驱动的。在这里，我们讨论Choquet积分（ChI）（一种参数化非线性聚集函数）的XAI方法。具体来说，我们将审查现有索引，并引入新的以数据为中心的XAI工具。这些不同的XAI-ChI方法是在将一组异构深度卷积神经网络融合以进行遥感的背景下进行探索的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号