#可解釋性

3 篇文章

提升分散式運算的精確性、可靠性和可解釋性
1025

提升分散式運算的精確性、可靠性和可解釋性

提升分散式運算的準確性、可靠性和可解釋性概述大資料時代,當需要對擁有大量可用訊息的複雜統計模型進行許多引數估計時,即使使用最快的超級計算機,計算時間也變得不可持續。分散(或並行)運算是應對此問題的一種策略。資料(或任務,在某些情況下)被分配給許多計算機,只有摘要訊息(計算結果)被傳送到中心位置,例如

分散計算的精準性、可靠性和可解釋性有所提升
927

分散計算的精準性、可靠性和可解釋性有所提升

提升分散計算的精確度、可靠性和可解釋性概述一項由 Bocconi 大學的 Botond Szabo 進行的新研究,在統計學報告《Annals of Statistics》上發表,為分散計算方法的精確度、可靠性和可解釋性奠定了基礎。在大資料世界中,當需要在使用大量可用訊息的非常複雜的統計模型中估計許多

研究提出全新的可解釋人工智慧方法
1028

研究提出全新的可解釋人工智慧方法

研究提出了一種新的可解釋人工智慧方法背景自從人工智慧(AI)的廣泛應用以來,我們一直很難理解 AI 系統是如何做出決策的。然而一個科學家團隊在這方面取得了重要突破。來自 Fraunhofer Heinrich-Hertz-Institut(HHI)和柏林學習與資料基礎研究所(BIFOLD)的科學家們

«1»