• Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Verbesserung der Erklärbarkeit von neuronalen Netzen

Verbesserung der Erklärbarkeit von neuronalen Netzen

Paperback

Business General

ISBN10: 6202371129
ISBN13: 9786202371124
Publisher: Verlag Unser Wissen
Published: Aug 11 2025
Pages: 136
Weight: 0.42
Height: 0.32 Width: 6.00 Depth: 9.00
Language: German
Künstliche Intelligenz (KI), die von neuronalen Netzen gesteuert wird, ist für viele Anwendungen wie Empfehlungssysteme, Sprachübersetzung, soziale Medien, Chatbots und Rechtschreibprüfung usw. von entscheidender Bedeutung. Diese Netze werden jedoch häufig als Blackboxen kritisiert, was Bedenken hinsichtlich ihrer Erklärbarkeit aufkommen lässt, insbesondere in sensiblen Bereichen wie dem Gesundheitswesen, dem autonomen Fahren usw. Bestehende Methoden zur Verbesserung der Erklärbarkeit, wie z. B. die Bedeutung von Merkmalen, sind oft nicht klar und leicht zu interpretieren. Um dieses Problem zu lösen, wurde das objektorientierte neuronale Netz zur Verbesserung der Erklärbarkeit (OONNIE) entwickelt. OONNIE verwendet objektorientierte Modellierung, um Verlust- und Verbindungsgewicht zur Berechnung der Merkmalsbedeutung zu kombinieren und integriert domänenspezifische Regeln durch die Erweiterbarkeit von OOP. Das Modell betont die algorithmische Transparenz, indem jeder Trainingsschritt detailliert beschrieben wird. Bei der Evaluierung von XOR- und XNOR-Funktionen zeigt OONNIE vielversprechende Ergebnisse bei der Merkmalsbedeutung, eine schnellere Verlustreduzierung und verbesserte Vorhersagen nach der Integration von Domänenregeln. Dies ist ein wichtiger Beitrag zur erklärbaren KI und macht OONNIE zu einem wertvollen Werkzeug für die Entwicklung vertrauenswürdiger KI-Systeme.

Also from

Arulprakash, Enoch

Also in

Business General