熵正则化积分梯度方法提升特征归因稳定性
热点事件持续更新
熵正则化积分梯度方法提升特征归因稳定性
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
针对路径归因方法受微小输入扰动影响导致结果剧烈变化的问题,研究人员 Myana 等人提出了基于最大熵软最大加权的 ERIG 新方法。该方法旨在抑制积分路径上的梯度不规则性,在保持排名保真度的同时,于 ImageNet 和 Oxford-IIIT Pet 数据集上实现了约 24% 的定位提升与平均 47 倍的稳定性增强,且计算成本可忽略。
AI 根据报道生成 · 11 小时前更新
报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉ERIG:一种基于最大熵软最大加权的路径归因方法,在 ImageNet 和 Oxford-IIIT Pet 数据集上实现约 24% 的定位提升与平均 47 倍的稳定性增强
针对路径归因方法受微小输入扰动影响导致归因图剧烈变化的问题,研究提出了 ERIG。该方法利用最大熵软最大加权抑制积分路径上的梯度不规则性,并在 ImageNet 和 Oxford-IIIT Pet 数据集上验证了其在保持排名保真度的同时,定位提升约 24%、稳定性平均提高 47 倍且计算成本可忽略。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 17:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。