Yazar
Chakraborty, S., Tomsett, R., Raghavendra, R., Harborne, D., Alzantot, M., Jerutti, F., Srivastava, M., Preece, A., Julier, S., Rao, R.M., Kelley, T.D., Braines, D., Shensoy, Murat, C. Willis, J.P. Willis.
Basım Tarihi
2018-06-26
Basım Yeri
-
IEEE
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-1-5386-0435-9
Kayıt Numarası
5498f403-ca05-4a9d-92f2-60da905ae5b4
Lokasyon
Bilgisayar Bilimi
Tarih
2018-06-26
Notlar
Amerika Birleşik Devletleri Savunma Bakanlığı ABD Ordusu Araştırma Laboratuvarı (ARL); İngiltere Savunma Bakanlığı
Örnek Metin
Derin sinir ağları; görüntüler, metin, konuşma ve video verileri dahil olmak üzere çeşitli sınıflandırma ve tahmin görevlerinde insana yakın doğruluk seviyelerine ulaştı. Bununla birlikte, ağlar çoğunlukla, belirli bir girdiyi bir sınıflandırma çıktısıyla eşleştiren kara kutu işlevi yaklaşımcıları olarak ele alınmaya devam etmektedir. Bu insan-makine evrim sürecindeki bir sonraki adım - bu ağların tıbbi teşhis, planlama ve kontrol gibi kritik görev süreçlerine dahil edilmesi - makine çıktısı ile bir düzeyde güven ilişkisi gerektirir. Tipik olarak istatistiksel ölçümler bir çıktının belirsizliğini ölçmek için kullanılır. Ancak güven kavramı aynı zamanda insanın makinenin işleyişine dair görünürlüğüne de bağlıdır. Başka bir deyişle, sinir ağı, çıktısı için, iç işleyişle ilgili içgörülere yol açan, insan tarafından anlaşılabilen gerekçeler sağlamalıdır. Bu tür modelleri yorumlanabilir derin ağlar olarak adlandırıyoruz. Yorumlanabilirlik yekpare bir kavram değildir. Aslında, bir yorumun farklı insan anlayış düzeylerine bağlı öznelliği, birlikte yorumlanabilirliği oluşturan çok sayıda boyutun olması gerektiğini ima eder. Ek olarak, yorumlamanın kendisi ya düşük seviyeli ağ parametreleri açısından ya da model tarafından kullanılan giriş özellikleri açısından sağlanabilir. Bu yazıda, modelin yorumlanabilirliği için yararlı olan bazı boyutların ana hatlarını çiziyoruz ve önceki çalışmaları bu boyutlara göre sınıflandırıyoruz. Bu süreçte modelin yorumlanabilirliğini geliştirmek için yapılması gerekenlere ilişkin bir boşluk analizi yapıyoruz.
DOI
10.1109/UIC-ATC.2017.8397411