可信神经网络的形式化快速可解释方法及系统
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
可信神经网络的形式化快速可解释方法及系统
申请号:
CN202410976566
申请日期:
2024-07-20
公开号:
CN118982045A
公开日期:
2024-11-19
类型:
发明专利
摘要
本发明公开了一种可信神经网络的形式化快速可解释方法及系统,通过对神经网络模型的形式化建模和化简,以博弈作为模型的决策过程模型,以博弈树遍历作为模型决策的解释方法,得出神经网络模型逻辑严谨且完备的解释,实现可信的神经网络模型。本发明提出了快速计算边界输入值的方法,可直接计算函数输出发生变化时的边界输入值,无需遍历所有输入输出可能;此外,本发明方法可为连续变量的神经网络提供形式化的解释。
技术关键词
神经网络模型
特征值
形式化方法
机器学习模型
节点
逻辑
决策
线性
解释系统
变量
策略
矩阵
表达式
现实生活
自然语言
处理器
计算机程序产品
模块
计算机设备
关系