XiaoMi-AI文件搜索系统
World File Search SystemEscalante
大阶梯-埃斯卡兰特国家纪念碑
BLM 鼓励公众提供与 RMP/EIS 草案中提出的分析相关的信息和意见。我们对任何有助于 BLM 制定拟议 RMP/最终 EIS 的新信息都很感兴趣。作为公众的一员，您及时对 RMP/EIS 草案提出意见将有助于制定拟议 RMP/最终 EIS。BLM 将接受对 RMP/EIS 草案的意见，并在《联邦公报》上发布 RMP/EIS 草案可用通知。此外，随着 NOA 的发布，将启动拟议的休闲射击关闭的 90 天评论期和拟议的关键环境问题区域 (ACEC) 的 90 天评论期。BLM 必须在 2023 年 11 月 9 日之前收到意见。
参考文献：Muddamsetty, SM、Jahromi, MNS 和 Moeslund, TB (2021)。对医学领域的解释性人工智能（XAI）方法的专家级评估。在 A. Del Bimbo、R. Cucchiara、S. Sclaroff、GM Farinella、T. Mei、M. Bertini、HJ Escalante 和 R. Vezzani (Eds.) 的《模式识别》中。 ICPR 国际研讨会和挑战（第 12663 卷，第 35-46 页）。施普林格出版公司。 https://doi.org/10.1007/978-3-030-68796-0_3
摘要。最近出现的可解释人工智能 (XAI) 领域试图以人类可以理解的术语阐明“黑箱”机器学习 (ML) 模型。随着多种解释方法的开发以及黑箱模型的不同应用，需要专家级评估来检查其有效性变得不可避免。这对于敏感领域（例如医疗应用）非常重要，因为专家的评估对于更好地了解复杂 ML 的结果的准确性以及在必要时调试模型至关重要。本研究的目的是通过实验展示如何利用医疗应用中的专家级 XAI 方法评估并将其与临床医生生成的实际解释保持一致。为此，我们从配备眼动仪的专家受试者那里收集注释，同时他们对医学图像进行分类，并设计一种方法将结果与从 XAI 方法获得的结果进行比较。我们通过多个实验证明了我们方法的有效性。