基于概念瓶颈的数据集偏移检测.docx

  1. 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. 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. 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

PAGE16

基于概念瓶颈的数据集偏移检测

摘要

在实际模型训练过程中,由于源域分布和目标域分布存在差异而导致最后的模型决策出现偏差。因此,为更好地找出偏差的原因,一般地,利用特征距离来度量源域与目标域的偏移程度已经成为当前常用的方法,但是这类方法很容易受外界因素干扰而变得不稳定,同时这类方法对数据集出现偏移的原因难以解释。因此,本文实现了一种概念瓶颈偏移检测模型(CBSD):该模型通过对图像进行编码并从编码特征中罗列出可理解的高级概念。在这些高级概念中统计模型受这些高级概念的影响程度来提供解释。本文利用两个数据集对本文所实现的CBSD模型进行验证(dSprites和3dshapes),

文档评论(0)

飞燕文综院 + 关注
实名认证
内容提供者

教师资格证、汽车维修检验工持证人

专注论文、教学设计

领域认证 该用户于2024年11月17日上传了教师资格证、汽车维修检验工

1亿VIP精品文档

相关文档