跳到主要内容
AI News HubLIVE
更多
仅摘要

采访迪皮卡·维穆里:可解释性与概念学习

迪皮卡·维穆里是IIT海得拉巴的博士生,研究可解释性和概念学习。她探讨了概念模型的两个方面:使用逻辑运算改善概念到类别的映射,以及通过形式概念分析将网络深度与语义层级对齐。她还分享了在矢量研究所的实习经历,以及未来研究方向。

来源AIhub作者: Lucy Smith
采访迪皮卡·维穆里:可解释性与概念学习
报告错误

纠错通道尚未开通,可先复制下方文章信息留存。

查看更正说明

本文仅提供摘要

根据来源内容权限,本站仅提供编辑摘要、要点和原文链接。

展开要点与分析

文章情报

工程师进阶

要点

  • 维穆里使用模糊逻辑门来建模概念组合,提高模型准确性和可解释性。
  • 她利用形式概念分析构建概念格,指导神经网络在不同层学习不同抽象级别的概念。
  • 她提出了针对概念模型的最坏情况度量,衡量去除误导信息后模型置信度的提升。
  • 目前她在矢量研究所实习,研究用概念图表示视频上下文以改进视频问答。

要点与分析由自动化流程生成,可能有误,请结合原始来源核实。