模型的可解釋性是機器學習領域的一個重要分支，隨著 AI 應用范圍的不斷擴大，人們越來越不滿足于模型的黑盒特性，與此同時，金融、自動駕駛等領域的法律法規也對模型的可解釋性提出了更高的要求，在可解釋
2023-09-28 10:17:15
1704 
通過建立既可解釋又準確的模型來改良這種錯誤的二分法。關鍵是將神經網絡與決策樹相結合，在使用神經網絡進行低級決策時保留高級的可解釋性。
2020-05-31 10:51:449211 決策樹算法是機器學習領域的基石之一，其強大的數據分割能力讓它在各種預測和分類問題中扮演著重要的角色。
2023-12-13 09:49:562520 
在如今的網絡時代，錯綜復雜的大數據和網絡環境，讓傳統信息處理理論、人工智能與人工神經網絡都面臨巨大的挑戰。近些年，深度學習逐漸走進人們的視線，通過深度學習解決若干問題的案例越來越多。一些傳統的圖像
2024-01-11 10:51:323474 
決策樹在機器學習的理論學習與實踐
2019-09-20 12:48:44
在本文中，我們將討論一種監督式學習算法。最新一代意法半導體 MEMS 傳感器內置一個基于決策樹分類器的機器學習核心（MLC）。這些產品很容易通過后綴中的 X 來識別（例如，LSM6DSOX）。這種
2023-09-08 06:50:22
深度學習斯坦福cs231n編程作業#1 --- k近鄰算法(k-NN)
2020-05-07 12:03:37
導致起火。開發電池的斯坦福教授 在斯坦福開發的新電池中，研究人員采用聚乙烯薄膜材料，薄膜上嵌入了鎳磁粉，它會形成納米級的突起。研究人員在突起部分覆蓋石墨烯導電材料，讓電流可以從表面通過。當溫度
2016-01-12 11:57:19
多層感知機 深度神經網絡in collaboration with Hsu Chung Chuan, Lin Min Htoo, and Quah Jia Yong. 與許忠傳，林敏濤和華佳勇合作
2021-07-12 06:35:22
基于深度學習的神經網絡算法
2019-05-16 17:25:05
DG645 斯坦福 SRS DG645 延遲發生器 現金回收 歐陽R:*** QQ:1226365851溫馨提示：如果您找不到聯系方式，請在瀏覽器上搜索一下，旺貿通儀器儀回收工廠或個人、庫存閑置
2022-01-11 10:08:52
ML--決策樹與隨機森林
2020-07-08 12:31:39
簡單理解LSTM神經網絡
2021-01-28 07:16:57
本文主要介紹支持向量機、k近鄰、樸素貝葉斯分類 、決策樹、決策樹集成等模型的應用。講解了支持向量機SVM線性與非線性模型的適用環境，并對核函數技巧作出深入的分析，對線性Linear核函數、多項式
2021-09-01 06:57:36
的深度神經網絡運用的方法。AlexNet在研發的時候，使用的GTX580僅有3GB的顯存，所以創造性的把模型拆解在兩張顯卡中，架構如下：1.第一層是卷積層，針對224x224x3的輸入圖片進行卷積操作
2018-05-08 15:57:47
可以實現對未知的數據進行高效分類。從開頭狼人殺的例子中也可以看出，決策樹模型具有較好的可讀性和描述性，能夠幫助我們更高效率地去分析問題。舉個例子，普通人去銀行貸款的時候，銀行會根據相應條件，來判斷貸款人
2018-05-23 09:38:48
之前下載了斯坦福2015年的CNTFET VS model，是.va的文件，不知道怎么用啊，該怎么通過cadence的pspice進行仿真啊，求指點
2018-01-26 13:47:28
統計學習方法決策樹
2019-11-05 13:40:43
卷積神經網絡模型發展及應用轉載****地址：http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學習是機器學習和人工智能研究的最新趨勢，作為一個
2022-08-02 10:39:39
我們可以對神經網絡架構進行優化，使之適配微控制器的內存和計算限制范圍，并且不會影響精度。我們將在本文中解釋和探討深度可分離卷積神經網絡在 Cortex-M 處理器上實現關鍵詞識別的潛力。關鍵詞識別
2021-07-26 09:46:37
求助，哪位大神能找到斯坦福EE214B/314A授課視頻資源？
2021-06-22 07:41:41
回收新舊 斯坦福SRS DG645 延遲發生器 歐陽R:*** QQ:1226365851溫馨提示：如果您找不到聯系方式，請在瀏覽器上搜索一下，旺貿通儀器儀回收工廠或個人、庫存閑置、二手儀器及附件
2021-07-14 10:34:14
利用決策樹中CART算法識別印第安人糖尿病患者
2019-05-06 12:16:27
【新技術發布】基于深度神經網絡的激光雷達物體識別系統及其嵌入式平臺部署激光雷達可以準確地完成三維空間的測量，具有抗干擾能力強、信息豐富等優點，但受限于數據量大、不規則等難點，基于深度神經網絡
2021-12-21 07:59:18
FPGA實現神經網絡關鍵問題分析基于FPGA的ANN實現方法基于FPGA的神經網絡的性能評估及局限性
2021-04-30 06:58:13
稱為BP神經網絡。采用BP神經網絡模型能完成圖像數據的壓縮處理。在圖像壓縮中，神經網絡的處理優勢在于：巨量并行性；信息處理和存儲單元結合在一起；自組織自學習功能。與傳統的數字信號處理器DSP
2019-08-08 06:11:30
使用 UNICO（v9.10.0.0），生成具有多個決策樹的 UCF 文件的過程似乎是：1.加載所有決策樹的所有測試數據，像對單個樹一樣標記每個數據集（大概標簽需要在所有樹中是唯一的）2.使用MLC
2022-12-26 06:30:11
機器學習——決策樹算法分析
2020-04-02 11:48:38
解析深度學習：卷積神經網絡原理與視覺實踐
2020-06-14 22:21:12
介紹了決策樹分類技術，并用其對汽車銷售企業的調查問卷進行數據分析，挖掘出最近一年內有購車意愿的客戶的特征，從而提高營銷的成功率。證明了決策樹數據挖掘技術在汽車
2009-09-09 15:49:08
13 一個基于粗集的決策樹規則提取算法:摘要：決策樹是數據挖掘任務中分類的常用方法。在構造決策樹的過程中，分離屬性的選擇標準直接影響到分類的效果，傳統的決策樹算法往往
2009-10-10 15:13:3412 在數據挖掘中我們往往會忽略離群數據，可是這些數據卻往往包含重要的信息。本文采用了將決策樹與相異度相結合的方式進行離群數據的挖掘。通過計算決策樹中各屬性的信息
2010-01-15 14:28:055 引入了基于粗糙集理論的屬性約簡進行屬性的降噪和排序處理，然后結合決策樹理論的C4.5算法來對自診斷電子稱重儀表進行分析，取信息增益率最大的結點作為決策樹的根，以此使分裂
2011-10-08 14:43:1024 該方法利用決策樹算法構造決策樹,通過對分類結果中主客觀屬性進行標記并邏輯運算,最終得到較客觀的決策信息,并進行實驗驗證。
2012-02-07 11:38:0327 基于決策樹學習的智能機器人控制方法！資料來源網絡，如有侵權，敬請見諒
2015-11-30 11:33:4415 關于決策樹的介紹，是一些很基礎的介紹，不過是英文介紹。
2016-09-18 14:55:040 最近打算系統學習下機器學習的基礎算法，避免眼高手低，決定把常用的機器學習基礎算法都實現一遍以便加深印象。本文為這系列博客的第一篇，關于決策樹(Decision Tree)的算法實現，文中我將對決策樹
2017-11-15 13:10:0415253 
，每一次都選擇一個區分性最好的特征進行分類，對于可以直接給出標簽 label 的數據，可能最初選擇的幾個特征就能很好地進行區分，有些數據可能需要更多的特征，所以決策樹的深度也就表示了你需要選擇的幾種特征。 在進行特
2017-11-16 01:50:011855 針對經典C4.5決策樹算法存在過度擬合和伸縮性差的問題，提出了一種基于Bagging的決策樹改進算法，并基于MapReduce模型對改進算法進行了并行化。首先，基于Bagging技術對C4.5算法
2017-11-21 11:57:081 目前關于決策樹剪枝優化方面的研究主要集中于預剪枝和后剪枝算法。然而，這些剪枝算法通常作用于傳統的決策樹分類算法，在代價敏感學習與剪枝優化算法相結合方面還沒有較好的研究成果。基于經濟學中的效益成本
2017-11-30 10:05:190 決策樹技術在數據挖掘的分類領域中被廣泛采用。采用決策樹從一致決策表f即條件屬性值相同的樣本其決策值相同）中挖掘有價值信息的相關研究較為成熟，而對于非一致決策表（即條件屬性值相同的樣本其決策值
2017-12-05 14:30:450 根據給定的數據集創建一個決策樹就是機器學習的課程，創建一個決策樹可能會花費較多的時間，但是使用一個決策樹卻非常快。創建決策樹時最關鍵的問題就是選取哪一個特征作為分類特征，好的分類特征能夠最大化的把
2021-08-27 14:38:5419568 
針對靜態算法對大數據和增量數據處理不足的問題，構造了基于粗決策樹的動態規則提取算法，并將其應用于旋轉機械故障診斷中。將粗集與決策樹結合，用增量方式實現樣本抽取；經過動態約簡、決策樹構造、規則提取
2017-12-29 14:24:050 決策樹（DT）是在已知各種情況發生概率的基礎上，通過構成決策樹來求取凈現值的期望值大于等于零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由于這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹。從數據產生決策樹的機器學習技術叫做決策樹學習。
2018-05-29 07:12:002741 廣義上的可解釋性指在我們需要了解或解決一件事情的時候，我們可以獲得我們所需要的足夠的可以理解的信息。
2018-06-25 10:21:117381 
正如你所看到的，決策樹非常直觀，他們的決策很容易解釋。 這種模型通常被稱為白盒模型。 相反，正如我們將看到的，隨機森林或神經網絡通常被認為是黑匣子模型。 他們做出了很好的預測，并且我們可以輕松檢查他們執行的計算以進行這些預測; 然而，通常很難用簡單的術語來解釋為什么會做出預測。
2018-07-16 17:12:0114804 
決策樹（decision tree）算法基于特征屬性進行分類，其主要的優點：模型具有可讀性，計算量小，分類速度快。決策樹算法包括了由Quinlan提出的ID3與C4.5，Breiman等提出的CART。其中，C4.5是基于ID3的，對分裂屬性的目標函數做出了改進。
2018-07-21 10:13:296356 
如果考察某些類型的“事后可解釋性”（post-hoc interpretable），深度神經網絡具有明顯的優勢。深度神經網絡能夠學習豐富的表示，這些表示能夠可視化、用語言表達或用于聚類。如果考慮對可解釋性的需求，似乎線性模型在研究自然世界上的表現更好，但這似乎沒有理論上的原因。
2018-07-24 09:58:2020619 “ANT的出發點與mGBDT類似，都是期望將神經網絡的表示學習和決策樹的特點做一個結合，不過，ANT依舊依賴神經網絡BP算法進行的實現，”馮霽說：“而深度森林（gcForest/mGBDT）的目的
2018-07-25 09:39:0110791 
據報道，美國斯坦福大學的研究人員已經證明，可以直接在光學芯片上訓練人工神經網絡。這一重大突破表明，光學電路可以實現基于電子的人工神經網絡的關鍵功能，進而可以以更便宜、更快速和更節能的方式執行語音識別、圖像識別等復雜任務。
2018-07-30 17:01:003876 近日，來自愛丁堡大學的研究人員提出了一種結合深度神經網絡和樹模型的新型模型——深度神經決策樹(Deep Neural Decision Trees, DNDT)。
2018-08-19 09:14:4413331 由 Demi 于 星期四, 2018-09-06 09:33 發表 現在提到“神經網絡”和“深度神經網絡”，會覺得兩者沒有什么區別，神經網絡還能不是“深度”（deep）的嗎？我們常用
2018-09-06 20:48:01937 希望通過所給的訓練數據學習一個貸款申請的決策樹，用于對未來的貸款申請進行分類，即當新的客戶提出貸款申請時，根據申請人的特征利用決策樹決定是否批準貸款申請。
2018-10-08 14:26:096850 C4.5算法：基于ID3算法的改進，主要包括：使用信息增益率替換了信息增益下降度作為屬性選擇的標準；在決策樹構造的同時進行剪枝操作；避免了樹的過度擬合情況；可以對不完整屬性和連續型數據進行處理，提升了算法的普適性。
2019-02-04 09:45:0012271 
新智元今天為大家推薦一份PPT綜述，作者是斯坦福大學的多位博士后和博士生。這篇綜述由基于神經網絡和圖網絡的任務入手，對圖神經網絡的建立、架構、訓練模式和模型特征等方面做了系統的梳理和介紹，并在最后給出了幾個產業界和學術界的應用實例。
2019-02-18 09:04:107527 我們知道決策樹容易過擬合。換句話說，單個決策樹可以很好地找到特定問題的解決方案，但如果應用于以前從未見過的問題則非常糟糕。俗話說三個臭皮匠賽過諸葛亮，隨機森林就利用了多個決策樹，來應對多種不同場景。
2019-04-19 14:38:028896 
神經網絡的可解釋性，從經驗主義到數學建模
2019-06-27 10:54:205784 雖然神經網絡在近年來 AI 領域取得的成就中發揮了關鍵作用，但它們依舊只是有限可解釋性的黑盒函數近似器。
2019-08-15 09:17:3414165 決策樹（Decision Tree）是在已知各種情況發生概率的基礎上，通過構成決策樹來求取凈現值的期望值大于等于零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。
2020-01-19 17:06:008441 Google Cloud AI戰略總監Tracy Frey在 今天的博客中解釋說，Explainable AI旨在提高機器學習模型的可解釋性。她說，這項新服務的工作原理是量化每個數據因素對模型產生的結果的貢獻，幫助用戶了解其做出決定的原因。
2020-03-24 15:14:213487 人工智能系統所面臨的兩大安全問題的根源在于深度神經網絡的不可解釋性。深度神經網絡可解釋性定義為可判讀（interpretability）和可理解（explainability）兩方面的內容。可判讀性，即深度神經網絡輸出可判讀
2020-03-27 15:56:183605 決策樹模型是白盒模型的一種，其預測結果可以由人來解釋。我們把機器學習模型的這一特性稱為可解釋性，但并不是所有的機器學習模型都具有可解釋性。
2020-07-06 09:49:064273 
決策樹易于理解和解釋，可以可視化分析，容易提取出規則。
2020-08-27 09:50:0719755 決策樹是一種解決分類問題的算法，決策樹算法采用樹形結構，使用層層推理來實現最終的分類。
2020-08-27 09:52:484757 像上面的這樣的二叉樹狀決策在我們生活中很常見，而這樣的選擇方法就是決策樹。機器學習的方法就是通過平時生活中的點點滴滴經驗轉化而來的。
2020-10-10 10:44:193210 
模型可解釋性方面的研究，在近兩年的科研會議上成為關注熱點，因為大家不僅僅滿足于模型的效果，更對模型效果的原因產生更多的思考，這...
2020-12-10 20:19:431321 決策樹是機器學習中使用的最流行和功能最強大的分類算法之一。顧名思義，決策樹用于根據給定的數據集做出決策。也就是說，它有助于選擇適當的特征以將樹分成類似于人類思維脈絡的子部分。
2021-01-13 09:37:411813 
本文將介紹決策樹的基本概念、決策樹學習的3個步驟、3種典型的決策樹算法、決策樹的10個優缺點。
2021-01-27 10:03:203186 
在決策樹中，可能有多個特征，但是一些特征是無關重要的，一些則是對分類（target）起到決定作用的。
2021-02-18 10:06:295115 
決策樹是一種解決分類問題的算法，本文將介紹什么是決策樹模型，常見的用途，以及如何使用“億圖圖示”軟件繪制決策樹模型。
2021-02-18 10:12:2013934 
決策樹（DecisionTree）是機器學習中一種常見的算法，它的思想非常樸素，就像我們平時利用選擇做決策的過程。決策樹是一種基本的分類與回歸方法，當被用于分類時叫做分類樹，被用于回歸時叫做回歸樹。
2021-03-04 10:11:138797 、醫藥、交通等髙風險決策領域對深度神經網絡可解釋性提岀的強烈要求，對卷積神經網絡、循環神經網絳生成對抗網絡等典型網絡的解釋方法進行分析梳理，總結并比較現有的解釋方法，同時結合目前深度神經網絡的發展趨勢，對其
2021-03-21 09:48:2319 圖神經網絡的可解釋性是目前比較值得探索的方向，今天解讀的2021最新綜述，其針對近期提出的 GNN 解釋技術進行了系統的總結和分析，歸納對比了該問題的解決思路。
2021-03-27 11:45:327050 
圖神經網絡的可解釋性是目前比較值得探索的方向，今天解讀的2021最新綜述，其針對近期提出的 GNN 解釋技術進行了系統的總結和分析，歸納對比了該問題的解決思路。作者還為GNN解釋性問題提供了標準的圖
2021-04-09 11:42:063289 
基于遺傳優化決策樹的建筑能耗預測模型
2021-06-27 16:19:136 的結果，但是要理解它是如何做到的是很困難的。如果網絡出現故障，很難解釋出了什么問題。 雖然理解深層神經網絡的一般行為很有挑戰性，但事實證明，探索低維深層神經網絡要容易得多——每層只有幾個神經元的網絡。事實上
2021-10-13 15:40:441993 
機器學習的可解釋性 來源：《計算機研究與發展》，作者陳珂銳等 摘 要?近年來，機器學習發展迅速，尤其是深度學習在圖像、聲音、自然語言處理等領域取得卓越成效.機器學習算法的表示能力大幅度提高，但是
2022-01-25 08:35:361650 
本文介紹目前常見的幾種可以提高機器學習模型的可解釋性的技術。
2022-02-26 17:20:192875 
本文介紹目前常見的幾種可以提高機器學習模型的可解釋性的技術，包括它們的相對優點和缺點。
2022-02-16 16:21:316122 
隨著數學優化和計算硬件的迅猛發展，深度神經網絡（Deep Neural Networks, DNN）（名詞解釋>）已然成為解決各領域中許多挑戰性問題的強大工具，包括決策、計算成像、全息技術等。
2022-04-11 12:24:504801 隨機森林和梯度提升樹這類的決策森林模型通常是處理表格數據最有效的可用工具。與神經網絡相比，決策森林具有更多優勢，如配置過程更輕松、訓練速度更快等。使用樹可大幅減少準備數據集所需的代碼量，因為這些
2022-04-19 10:46:002515 模型解釋性 幫助開發人員和其他利益相關者理解模型特征和決策的根本原因，從而使流程更加透明。能夠解釋模型可以幫助數據科學家解釋他們的模型做出決策的原因，為模型增加價值和信任。在本文中，我們將討論：
2022-04-21 09:25:563490 樹模型和神經網絡，像一枚硬幣的兩面。在某些情況下，樹模型的性能甚至優于神經網絡。
2022-07-27 16:17:011643 大數據————決策樹（decision tree） 決策樹（decision tree）：是一種基本的分類與回歸方法，主要討論分類的決策樹。 在分類問題中，表示基于特征對實例進行分類的過程，可以
2022-10-20 10:01:361779 本文介紹目前常見的幾種可以提高機器學習模型的可解釋性的技術，包括它們的相對優點和缺點。
2023-02-08 14:08:522163 在介紹卷積神經網絡之前，我們先回顧一下神經網絡的基本知識。就目前而言，神經網絡是深度學習算法的核心，我們所熟知的很多深度學習算法的背后其實都是神經網絡。
2023-02-23 09:14:444833 本文對數據起源、可解釋AI（XAI）和可信賴AI（TAI）進行系統的文獻綜述，以解釋基本概念，說明數據起源文件可以用來提升基于人工智能系統實現可解釋性。此外，文中還討論了這個領域近期的發展模式，并對未來的研究進行展望。
2023-04-28 15:55:482562 
卷積神經網絡的工作原理 卷積神經網絡通俗解釋? 卷積神經網絡（Convolutional Neural Network, CNN）是一種眾所周知的深度學習算法，是人工智能領域中最受歡迎的技術之一
2023-08-21 16:49:245071 深度神經網絡是一種基于神經網絡的機器學習算法，其主要特點是由多層神經元構成，可以根據數據自動調整神經元之間的權重，從而實現對大規模數據進行預測和分類。卷積神經網絡是深度神經網絡的一種，主要應用于圖像和視頻處理領域。
2023-08-21 17:07:365026 電子發燒友網站提供《決策樹引擎解決方案.pdf》資料免費下載
2023-09-13 11:17:520 深度神經網絡（Deep Neural Networks，DNNs）是一類具有多個隱藏層的神經網絡，它們在許多領域取得了顯著的成功，如計算機視覺、自然語言處理、語音識別等。以下是一些常見的深度神經網絡
2024-07-02 10:00:013226 BP神經網絡（Backpropagation Neural Network）是一種常見的前饋神經網絡，它使用反向傳播算法來訓練網絡。雖然BP神經網絡在某些方面與深度神經網絡（Deep Neural
2024-07-03 10:14:301801 在探討深度神經網絡（Deep Neural Networks, DNNs）與基本神經網絡（通常指傳統神經網絡或前向神經網絡）的區別時，我們需要從多個維度進行深入分析。這些維度包括網絡結構、訓練機制、特征學習能力、應用領域以及計算資源需求等方面。以下是對兩者區別的詳細闡述。
2024-07-04 13:20:362554 隨著人工智能技術的飛速發展，脈沖神經網絡（Spiking Neural Network, SNN）作為一種模擬生物神經系統處理信息的計算模型，因其獨特的生物可解釋性和低能耗特性而受到廣泛關注。然而
2024-07-12 10:08:121605 類認知的對齊報告簡介雖然近年來神經網絡的可解釋性研究得到了廣泛的關注，但是神經網絡中精細決策邏輯尚未得到有效的解釋，學界對神經網絡的評測依然停留在檢驗神經網絡輸出
2024-09-25 08:06:47648 
科學AI需要可解釋性人工智能的崛起，尤其是深度學習的發展，在眾多領域帶來了令人矚目的進步。然而，伴隨這些進步而來的是一個關鍵問題——“黑箱”問題。許多人工智能模型，特別是復雜的模型，如神經網
2025-02-10 12:12:291235 
BP神經網絡與深度學習之間存在著密切的關系，以下是對它們之間關系的介紹： 一、BP神經網絡的基本概念 BP神經網絡，即反向傳播神經網絡（Backpropagation Neural Network
2025-02-12 15:15:211519 斯坦福鎖相放大器是由斯坦福研究系統公司（Stanford Research Systems, SRS）研發的一款測量工具，主要用于微弱信號的測量和提取。它結合了高靈敏度、高精度、高穩定性和多功能性于一體，是科研和工業領域的重要設備。
2025-07-30 10:58:51796 
電子發燒友App
工商網監
評論