可解释性
GrandpaTong
这个作者很懒,什么都没留下…
展开
-
基于知识图的增强路径推理的可解释性疾病预测
代码地址:https://github.com/ZJU-BMI/PBXAI摘要目的:结合医学知识和医学数据,以可解释的方式预测疾病风险。方法:我们将疾病预测任务表述为沿着知识图谱(KG)的随机游动。具体而言,我们根据经过验证的医学知识建立了一个KG,以记录疾病和危险因素之间的关系。然后,一个数学对象沿着KG走。它开始在患者实体处行走,该患者实体根据患者当前的疾病或风险因素将KG连接起来,并在代表所预测疾病的疾病实体处停止。对象产生的轨迹代表给定患者的可解释的疾病进展路径。对象的动态由基于策略的强化学习原创 2020-11-22 14:53:46 · 1902 阅读 · 3 评论 -
知识的融入-增强深度学习的学习 Shades of Knowledge- Infused Learning for Enhancing Deep Learning
知识的融入-增强深度学习的学习摘要SHALLOW INFUSION OF KNOWLEDGE 知识的浅入Word embeddings:Enriched word embeddings:Deep neural language modelsSEMI-DEEP INFUSION OF KNOWLEDGE 半深的知识注入Teacher/professor forcingNeural attention models (NAM)Learnable knowledge constraints摘要深度学习已被证原创 2020-11-22 14:04:00 · 1520 阅读 · 1 评论