卷積神經網絡模型可解釋性

卷積神經網絡模型可解釋性 缺乏可解釋性仍然是在許多應用中採用深層模型的一個關鍵障礙。在這項工作中，明確地調整了深層模型，這樣人類用戶可以在很短的時間內完成他們預測背後的過程。具體地說，訓練了深度時間序列模型，使得類概率預測具有較高的精度，同時被節點較少的決策樹緊密地建模。使用直觀的玩具例子以及治療白血癥和HIV的醫療任務，這種新的樹正則化產生的模型比簡單的L1或L2懲罰更容易模擬，而不犧牲預測能力

>>阅读原文<<