李宏毅机器学习2021】机器学习模型的可解释性 (Explainable ML)

ALPS_2021-实验2：NLP中的XAI-2021年1月22日 ALPS冬季学校2021年的可解释AI跟踪库。 该实验室包括两个部分-一个关于可解释性，一个关于探索性可解释性。 您应该尝试在两个实验室之间分配时间。 实验2.1 实验的第一部分重点介绍自然语言处理模型的可解释性。 在这一部分中，我们将为事后解释性技术及其评估方法奠定基础。 实验2.1程式码 <-复制此Colab笔记本，并在其中添加代码以进行练习。 对于本实验笔记本，我们建议您分小组工作，以便您可以拆分工作并讨论结果。 LAB 2.1的目标： 学习如何实现两种基本且常用的基于梯度的可解释性技术 学习如何实现基于近似的解释性技术 练习如何应用可解释性技术来发现机器学习模型的缺陷并使用它们来构造对抗性实例 了解如何评估具有常见诊断属性的可解释性技术 使用诊断属性进行练习，以查找模型的哪些架构参数使之难以解释 如果您

李宏毅2021机器学习深度学习笔记PPT作业

机器学习（Machine Learning, ML）是一种应用人工智能（AI）领域的科学技术...同时，现代机器学习尤其是深度学习模型的内部工作机制有时难以完全解释，因此常被称为“黑箱”决策过程，这也是当前研究中的一个重要挑战。

进入21世纪，深度学习成为机器学习领域的重要突破，采用多层神经网络模型，通过大量数据和强大的计算能力来训练模型，在计算机视觉、自然语言处理和语音识别等领域取得了显著的成果。 机器学习算法在各个领域都有...

ROS基于C++动力学约束的路径规划源码+ppt文件.zip

ASP.NET B/S结构城市酒店入住信息管理系统的设计与实现简介 一、项目背景与意义 随着城市旅游的蓬勃发展，酒店业作为旅游产业链中的重要一环，面临着日益激烈的市场竞争。为了提升酒店的服务质量和管理效率，信息化管理成为酒店业不可或缺的一部分。因此，我们设计并实现了一个基于ASP.NET的B/S（浏览器/服务器）结构城市酒店入住信息管理系统。该系统旨在帮助酒店实现入住信息的快速录入、查询、修改和统计，提升酒店的运营效率和客户体验。 二、系统主要功能 用户管理：系统支持管理员、前台服务员、客户等不同角色的注册、登录和权限管理。通过角色权限的设置，确保系统数据的安全性和完整性。 房间管理：管理员可以添加、编辑、删除房间信息，包括房间类型、价格、状态等。前台服务员可以实时查看房间状态，为客人办理入住和退房手续。 入住信息管理：前台服务员可以录入客人的入住信息，包括姓名、证件号码、联系方式、入住时间和离店时间等。系统支持客人信息的快速查询和修改，方便前台服务员处理各种客户需求。 费用管理：系统根据客人的入住时间和房间价格自动计算费用，并支持多种支付方式。管理员可以设置折扣、优惠券等促销

基于streamlit的YOLOv8可视化交互界面

liba52-0-0.7.5+svn613-lp152.3.2.aarch64

基于matlab实现配电网三相潮流计算方法，对几种常用的配电网潮流计算方法进行了对比分析.rar