标签:可解释机器学习

2 个条目

基于核函数的可解释神经算子:KernelOnet

通用科学ML
面向物理场建模,将核函数显式嵌入神经算子架构,使算子结构与核展开形式相匹配并提升可解释性。
见LICENSE文件 神经算子核函数可解释机器学习

超越点预测:带不确定性量化的人工代表树

通用科学ML
提出将人工代表树与Mondrian保角预测系统结合,实现单棵决策树同时提供连续预测、预测区间和概率分布输出的可解释ML方法。
见LICENSE文件 决策树可解释机器学习不确定性量化

← 全部标签