XiaoMi-AI文件搜索系统
World File Search System局部解
一种定量方法，用于比较添加性局部解释方法
局部添加说明方法越来越多地用于了解复杂机器学习（ML）模型的预测。最常用的广告方法，塑造和石灰，遭受文献中很少测量的局限性。本文旨在使用六个定量指标来衡量对OpenML数据集（304）数据集的这些限制，还评估了基于新兴联盟的方法来解决其他方法的弱点。我们在特定的医疗数据集（Sa Heart）上说明和验证结果。我们的发现表明，石灰和沙普的大约在高维度上特别有效，并产生了可理解的全球解释，但是在更改方法的pa-rameters时，它们缺乏精确度，并且可能是不需要的行为。基于联盟的方法在高维度上在计算上昂贵，但提供了更高质量的本地解释。最后，我们提出了一个路线图，总结了我们的工作，指出了最合适的方法，具体取决于数据集维度和用户的目标。
评论探索局部解释实用工业人工智能应用：系统文献综述
摘要：近年来，已经开发了大量可解释的人工智能 (XAI) 用例，以解决工业应用中的许多实际问题，同时保持所使用的人工智能 (AI) 模型的可解释性水平，以判断其质量，并在模型损坏时可能追究其责任。因此，了解最先进的方法、指出最近的问题并得出未来的方向对于有效推动 XAI 研究非常重要。本文对局部解释技术及其在各个工业领域的实际应用进行了系统的文献综述。我们首先确定了对不透明 AI 模型的 XAI 的需求，并调查了工业 AI 应用的不同局部解释方法。然后从几个因素的角度检查研究数量，包括行业部门、AI 模型、数据类型以及基于 XAI 的用途和目的。我们还研究了局部解释方法的优缺点以及它们在实际环境中的效果。我们还介绍了使用局部解释技术的困难，包括计算复杂性以及精度和可解释性之间的权衡。我们的研究结果表明，局部解释技术可以提高工业 AI 模型的透明度和可解释性，并提供有关它们的深刻见解。必须提高这些程序的效率，并解决对其应用的道德问题。本文有助于增加对局部解释策略的了解，并为希望在实际环境中使用这些方法的学者和行业专业人士提供指导。
脑回、脑沟和神经的局部解剖研究
Alex Martins Machado 5 André Valério da Silva 6 摘要：简介：在大脑发育过程中，脑沟和脑回形成，它们的形态变化类似于面神经 (CN VII)，具有感觉和运动功能，其损伤会造成临床和美学损害。文献中有一些关于成人的这些结构的信息，但在胎儿中这些结构尚未得到很好的定义。目的:描述人类胎儿尸体中的脑回、脑沟和第七对脑神经的走行。方法：从 UFMS CPTL 解剖实验室的收藏中选择了七个男女胎儿。分为三个阶段：胎龄评估、解剖和解剖描述。该研究已通过 CAEE 研究伦理委员会批准：75069617.5.0000.5386 2022。结果：在背外侧表面观察到上中额叶和后中央、上颞叶和下颞叶、环形岛叶和中央岛叶沟。有中央前回、中央后回、颞回、上回、下回和中回。内侧有双扣带沟、旁中央回、顶枕回和额上回。所有胎儿均有第七回主干及其分支在颞下区穿入腮腺实质，然后沿面部分支。结论：胎儿脑回沟的形态对于早期识别皮质畸形至关重要。此外，鉴于关于胎儿时期该神经的特征的记录很少，对 NC VII 的形态学研究可能会鼓励未来的研究。关键词：解剖学；胎儿发育；面神经疾病；皮质发育畸形；面神经。