What question did this study set out to answer?

यह शोध एक हाइब्रिड ढांचे को बनाने का लक्ष्य रखता है जो महत्वपूर्ण अनुप्रयोगों के लिए गहरे न्यूरल नेटवर्क की व्याख्यायिता को बढ़ाता है।

May 9, 2026Open Access

पारदर्शी गहरी शिक्षा की ओर: व्याख्यायित कृत्रिम बुद्धिमत्ता (XAI) के लिए एक हाइब्रिड ढांचा।

Key Points

यह शोध एक हाइब्रिड ढांचे को बनाने का लक्ष्य रखता है जो महत्वपूर्ण अनुप्रयोगों के लिए गहरे न्यूरल नेटवर्क की व्याख्यायिता को बढ़ाता है।
HT-DNN को पेश किया, जो स्थानीय प्रतिनिधि व्याख्याओं और वैश्विक अवधारणा-आधारित तर्क को एकीकृत करता है।
झूठे संबंधों की पहचान करने के लिए एक स्वचालित उत्तरदायित्व ऑडिटिंग मॉड्यूल लागू किया।
ढांचे की प्रभावशीलता का मूल्यांकन करने के लिए CIFAR-10 मानक डेटा सेट का उपयोग करके प्रयोग किए।
HT-DNN व्याख्या की निष्ठा में सुधार करता है, व्याख्यायिता को बढ़ाता है बिना भविष्यवाणी सटीकता को बलिदान किए।
प्रयोगात्मक परिणाम CIFAR-10 डेटा सेट पर प्रदर्शन में महत्वपूर्ण वृद्धि का संकेत देते हैं।

Abstract

हालांकि गहरे न्यूरल नेटवर्क (DNNs) विभिन्न क्षेत्रों में उत्कृष्ट प्रदर्शन हासिल करते हैं, उनकी अंतर्निहित व्याख्यायिता की कमी उन्हें उच्च-दांव, सुरक्षा-आधारित अनुप्रयोगों में लागू करने में बाधा डालती है। इस अंतर को भरेने के लिए, यह पत्र HT-DNN, एक नवीन हाइब्रिड व्याख्यायित कृत्रिम बुद्धिमत्ता (XAI) ढांचा प्रस्तावित करता है। HT-DNN स्थानीय प्रतिनिधि व्याख्याओं को उदाहरण-स्तर पर पारदर्शिता के लिए, वैश्विक अवधारणा-आधारित तर्क के लिए मैक्रो-स्तर की समझ और झूठे संबंधों का पता लगाने के लिए एक स्वचालित उत्तरदायित्व ऑडिटिंग मॉड्यूल को अद्वितीय रूप से एकीकृत करता है। CIFAR-10 मानक डेटा सेट पर प्रयोगात्मक आकलन दिखाते हैं कि HT-DNN व्याख्या की निष्ठा और व्याख्यायिता में काफी सुधार करता है बिना मौलिक मॉडल की भविष्यवाणी सटीकता को समझौता किए।

Read Full Paperexternally

AI से पूछें

Bookmark

View Full Paper