![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能论文阅读笔记
文章平均质量分 92
论文阅读系列
wei22134
停更
展开
-
(未完)论文笔记——理解深度学习需要重新思考泛化性(Understanding deep learning requires rethinking generalization)
论文——Understanding deep learning requires rethinking generalization1. 介绍随机实验显示正则化的作用Understanding deep learning requires rethinking generalization (ICLR2017)1. 介绍作者在这篇文章展示了为什么传统的方法不能解释大型网络在实践中具有良好的泛化性能。we show how these traditional approaches fail to原创 2021-03-02 21:51:26 · 1191 阅读 · 0 评论 -
(未完)论文笔记——深层网络的公理化属性(Axiomatic Attribution for Deep Networks)
论文——Axiomatic Attribution for Deep Networks 1. 介绍Axiomatic Attribution for Deep Networks, ICML 20171. 介绍这是一篇关于模型可解释性的论文,研究了将深层网络的预测归因于其输入特征的问题, 简单的说就是通过研究输入与输出的关系,去理解模型的输入-输出行为。We study the problem of attributing the pre-diction of a deep network to原创 2021-02-26 21:15:52 · 1400 阅读 · 0 评论 -
论文笔记——通过影响函数理解黑盒预测(Understanding Black-box Predictions via Influence Functions)
论文——Understanding Black-box Predictions via Influence Functions1. 介绍2. 方法2.1 一些定义2.2 更新(扰动)一个训练点未完待更新1. 介绍《Understanding Black-box Predictions via Influence Functions》这篇paper是来自2017年的ICML best paper的,其背景在摘要部分已经写明,即为了解释黑盒预测。所谓黑盒预测,在深度学习中,一个深层次的神经网络,往往能原创 2021-01-23 22:18:25 · 2759 阅读 · 5 评论