深度学习模型的偏差检测和可解释性.pdfVIP

下载本文档

2
0
约2.35万字
约 19页
2023-05-19 发布于北京
举报
版权申诉

深度学习模型的偏差检测和可解释性.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

通过使用调查参与者的时间序列预测数据和事件数据以及参与者的个人特性数据，对人类决策制定进行人工智能建模来检测潜在偏差的系统和方法。深度贝叶斯模型求解偏差分布，该偏差分布将时间序列事件数据和个人特性数据的建模预测分布与由递归神经网络导出的预测概率分布拟合。针对相关个人特性的关键特征评估群体偏差聚类的集合。因果图由关键特征的依赖图定义。通过对来自因果图的特征子集的深度贝叶斯模型中的扰动来推断偏差可解释性，从而确定哪些因果关系对改变参与者的群体成员关系最敏感。

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114902239 A (43)申请公布日 2022.08.12 (21)申请号 202080090940.8 阿伦 ·拉马穆尔蒂　 (22)申请日 2020.08.28