当前位置:
X-MOL 学术
›
Int. J. Fuzzy Syst.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
回归应用中深度模糊系统的调查:可解释性的观点
International Journal of Fuzzy Systems ( IF 3.6 ) Pub Date : 2023-06-05 , DOI: 10.1007/s40815-023-01544-8
Jorge S. S. Júnior , Jérôme Mendes , Francisco Souza , Cristiano Premebida
"点击查看英文标题和摘要"
更新日期:2023-06-05
International Journal of Fuzzy Systems ( IF 3.6 ) Pub Date : 2023-06-05 , DOI: 10.1007/s40815-023-01544-8
Jorge S. S. Júnior , Jérôme Mendes , Francisco Souza , Cristiano Premebida
|
深度学习 (DL) 已经引起了社区的关注,最近越来越多的回归应用论文,包括调查和评论。尽管具有高维数据的系统具有高效率和良好的准确性,但许多 DL 方法具有复杂的结构,不容易对人类用户透明。访问这些模型的可解释性是解决网络安全系统、医疗、金融监控和工业流程等敏感领域问题的重要因素。模糊逻辑系统 (FLS) 本质上是可解释的模型,能够通过具有模仿人类思维的隶属度的语言术语对复杂系统使用非线性表示。本文旨在研究现有深度模糊系统 (DFS) 的最新技术回归,即,结合 DL 和 FLS 的方法,目的是实现良好的准确性和良好的可解释性。在可解释人工智能 (XAI) 的概念中,必须在智能模型的开发中考虑可解释性,而不仅仅是寻求促进学习后的解释(事后方法),这在目前已在文献中得到很好的证实。因此,这项工作将 DFS 用于回归应用程序作为该主题的主要讨论点,该主题在文献中未得到充分探讨,因此值得进行全面调查。

"点击查看英文标题和摘要"