可解释的机器学习
中文标题:面向6G网络自动化的知识驱动可解释人工智能(XAI)
英文标题:Knowledge-powered Explainable Artificial Intelligence (XAI) for Network Automation Towards 6G
时间:2022.5.11
作者:Yulei Wu, Guozhi Lin, Jingguo Ge
机构:埃克塞特大学(University of Exeter)、中国科学院
链接:https://arxiv.org/pdf/2205.05406.pdf
简介:朝着6G的方向发展,通信网络变得越来越复杂。网络运营商不再选择手动管理。网络自动化已在网络社区中得到广泛讨论,它是管理复杂通信网络的一种合理手段。为实现给定操作实践的网络自动化而开发的深度学习模型具有以下局限性:1)缺乏可解释性,2)不适用于不同的网络和/或网络设置。为了解决上述问题,本文提出了一个新的知识驱动框架,为网络自动化提供了一个人类可理解的可解释人工智能(XAI)代理。以路径选择为例,验证了该框架的可行性。网络自动化的研究还处于起步阶段。因此,在本文的最后,我们提供了一系列挑战和开放性问题,可以指导这一重要领域的进一步研究。
异步脉冲神经网络
中文标题:基于汽车事件数据的脉冲神经网络目标检测
英文标题:Object Detection with Spiking Neural Networks on Automotive Event Data
时间:2022.5.9
作者:Loïc Cordone, B