XiaoMi-AI文件搜索系统
World File Search SystemGuestrin
从事后解释性到自我解释模型
[1]辛西娅·鲁丁（Cynthia Rudin）。停止解释用于高赌注决策的黑匣子机器学习模型，然后使用可解释的模型。自然机器智能，1（5）：206–215，2019 [2]MarcoTúlioRibeiro，Sameer Singh和Carlos Guestrin。“我为什么要信任您？”：解释任何分类器的预测。Corr，ABS/1602.04938，2016。[3] Sebastian Bach，Alexander Binder，GrégoireMontavon，Frederick Klauschen，Klaus-RobertMüller和Wojciech Samek。通过层次相关性传播对非线性分类器决策的像素智慧解释。plos One，10（7）：1-46，07 2015。[4] Alina Barnett，Jonathan SU，Cynthia Rudin，Chaofan Chen，Oscar Li。这看起来像：深入学习可解释的图像识别。在神经信息处理系统会议论文集（Neurips），2019年。
标题可解释性在创建值得信赖的...中的作用
全局 BETA 模型 [37*] 树提取 - Bastani、Kim 和 Bastani [38*] 提炼和比较模型 - Tan、Caruana、Hooker 和 Lou [39] 符号元模型 - Alaa 和 van der Schaar [40] 局部 LIME - Ribeiro 等人。 [26] 锚点——Ribeiro、Singh 和 Guestrin [41] 归因全局 PDP——Friedman [42] 特征交互——Friedman 和 Popescu [43] ALE——Apley 和 Zhu [44*] 特征重要性——Fisher、Rudin 和 Dominici Kapelner、Bleich 和 Pitkin [47] QII——Datta、Sen 和 Zick [48] SHAP——Lundberg 和 Lee [49] LOCO——Lei 等人。 [46] INVASE - Yoon, Jordon 和 van der Schaar [50] 全球影响力实例示例 - Cook [51] MMD-critic - Kim, Khanna 和 Koyejo [52] 本地影响力实例 - Cook [51] 无条件反事实解释 - Wachter, Mittelstadt 和 Russell
CSE 598 人工智能安全、可靠性和道德问题
• (NT) Bhatt, Umang, Alice Xiang, Shubham Sharma, Adrian Weller, Ankur Taly, Yunhan Jia, Joydeep Ghosh, Ruchir Puri, Jos MF Moura 和 Peter Eckersley。《部署中的可解释机器学习》。《2020 年公平、问责和透明度会议论文集》，第 648-657 页。2020 年。 • (T) Lundberg, Scott M. 和 Su-In Lee。《解释模型预测的统一方法》。《第 31 届神经信息处理系统国际会议论文集》，第 4768-4777 页。2017 年。 • (T) Ribeiro, Marco Tulio、Sameer Singh 和 Carlos Guestrin。《我为什么要相信你？》解释任何分类器的预测。”在第 22 届 ACM SIGKDD 知识发现和数据挖掘国际会议论文集上，第 1135-1144 页。2016 年。• (T) Slack、Dylan、Sophie Hilgard、Emily Jia、Sameer Singh 和 Himabindu Lakkaraju。“愚弄石灰和形状：对事后解释方法的对抗性攻击。”在 AAAI/ACM 人工智能、伦理和社会会议论文集上，第 180-186 页。2020 年。
引用li g，sun y and zhu l（2024），机器学习的应用与种群药代动力学相结合以改善V
反应（Ye等，2016）。然而，万古霉素药代动力学参数的选择仍然存在争议，包括槽浓度，清除等（Ghasemiyeh等人，2023年）。种群药代动力学（PPK），将经典的药代动力学建模与种群统计建模相结合。万古霉素一直是成年人中许多PPK研究的主题（Aljutayli等，2020； Lindley等，2023）。已经表明，可以在中国成年患者中对万古霉素的种群药代动力学建模（He等，2014； Gao等，2018）。PPK研究万古霉素对于指导临床剂量很重要。但是，PPK模型可能不足以预测单个药代动力学参数。机器学习（ML）是一种数据驱动的方法，它使用培训数据来学习如何通过各种算法完成任务，然后就特定事件做出决策和预测。在药代动力学中，机器学习允许进行分析和预测（Ota和Yamashita，2022； Wang等，2023）。机器学习和人口药代动力学的结合是药物研发的新工具（Zhu等，2022； Damnjanovic等，2023）。据报道，机器学习与PPK方法相结合可以改善对新生儿六种药物的单个清除率的预测（Tang等，2021）。但是，在成年患者中很少有类似的研究。如今，在机器学习的领域，生产了许多模型。 额外的树回归模型（Geurts等，2006），是一种综合学习如今，在机器学习的领域，生产了许多模型。额外的树回归模型（Geurts等，2006），是一种综合学习决策树回归模型（Kaminski等，2018）是一种回归算法，它使用决策树作为基本模型，该算法通过将输入变量划分为多个特征并根据这些功能构建决策树来拟合数据。梯度提升决策树（Si等，2017）是一种基于集成学习的算法，它通过将多个决策树模型集成在一起来拟合数据。极端梯度提升（Chen and Guestrin，2016）是一种有效的梯度增强算法，它通过使用贪婪算法来选择用于拆卸的最佳功能来最大程度地减少损失函数。
基于逻辑的可解释和增量机器学习
在ILP中也以非单调逻辑程序和默认规则（Srinivasan，Muggleton和Bain 1992; Dimopoulos and Kakas 1995）学习了身体中的目标。将模型表示为默认规则带来了可观的优势，可解释性，增量学习和数据经济。我们提出了可解释和可解释的基于LP的机器学习算法，以及用于增量学习的基于LP的强化学习，以及基于LP-基于LP的解释，用于解决数据经济问题。我们可解释的基于LP的机器学习方法（Shakerin，Salazar和Gupta 2017; Wang and Gupta 2022，2024）与最先进的技术竞争，例如XGBOOST（Chen and Guestrin 2016）和Mult-ceptrons/ceptrons/nealurations/nealuret网络（Aggarwal 2018）。表1显示了基于LP的ML算法的Fold-SE（Wang and Gupta 2024）的性能比较，以及XG-BOOST和MLP在二进制分类任务上的性能比较。与其他可解释的ML算法不同的是，它可以从数据中学习基于简洁的逻辑规则集，然后可以使用该规则集来进行预测。表2显示了Fold-SE与另一个流行的可解释的ML算法Ripper的比较。fold-se在产生明显较小的规则集的同时，达到了更高或可取的精度。nesyfold（Padalkar，Wang和Gupta 2023; Padalkar and Gupta 2023）是一个使用Fold-Se-M算法（用于多类别分类）的框架，从对图像分类任务进行培训的CNN生成全局解释。对于整个火车组，将最后一层内核的输出进行了二元。然后使用折叠-SE-M算法来学习一个规则集，其中每个谓词的真实值都被二进制内核的输出确定。每个内核都可以映射到它所学会的概念中，可以将其识别为识别及其相应的谓词可以将其标记为这些概念。图1说明了用于对“浴室”，“床房”和“厨房”的图像进行分类的CNN的Nesyfold框架。可以通过域专家仔细检查获得的规则集，以检查CNN可能学到的偏见。默认规则是捕获关系数据集的逻辑的绝佳方法。人类在日常推理中使用默认值（Stenning and van Lambalgen 2008； Dietz Saldanha，Houldobler和Pereira 2021）。大多数数据集都是由人类驱动的活动产生的（例如贷款
201.pdf - GuanHua Chen Group
[1] A. Saeki, K. Kranthiraja, Jpn. J. Appl. Phys. 2019 , 59 , SD0801。[2] L. Paterson, F. May, D. Andrienko, J. Appl. Phys. 2020 , 128 , 160901。[3] G. Hong, X. Gan, C. Leonhardt, Z. Zhang, J. Seibert, JM Busch, S. Bräse, Adv. Mater. 2021 , 33 , 2005630。[4] G. Li, Y. She, 用于高效稳定有机发光二极管的四齿环金属化铂(II)配合物, IntechOpen, London 2018。[5] K. Li, GSM Tong, Q. Wan, G. Cheng, W.-Y.童，W.-H。 Ang，W.-L。邝，C.-M。切，化学。科学。 2016, 7, 1653. [6] H. Li, T.-L. Lam, X. Tan, L. Dai, C.-M. Che, SID Symp Digest Techn Pap 2021, 52, 328。 [7] J. Sun, H. Ahn, S. Kang, S.-B. Ko，D. Song，HA Um，S. Kim，Y. Lee，P. Jeon，S.-H。 Hwang, Y. You, C. Chu, S. Kim, Nat。光子。 2022, 16, 212. [8] H. Li, T.-L.林丽欣、戴丽、蔡碧生、Y.-S。 Cho, Y. Kwak, C.-M. Che, 四齿铂 (II) 发射体：设计策略、光物理和 OLED 应用, IntechOpen, 伦敦 2020。[9] J.-L. Calais, Int. J. Quantum Chem. 1993, 47, 101。[10] M. Marques、A. Rubio、EK Gross、K. Burke、F. Nogueira、CA Ullrich, 时间相关密度泛函理论, Springer Science & Business Media, Dordrecht 2006。[11] S. DiLuzio、V. Mdluli、TU Connell、J. Lewis、V. VanBenschoten、S. Bernhard, J. Am. Chem. Soc. 2021, 143, 1179. [12] 孙建, 吴建, 宋涛, 胡丽, 单桂, 陈国, 物理学报.化学。 A 2014, 118, 9120。 [13] JA Keith、V. Vassilev-Galindo、B. Cheng、S. Chmiela、M. Gastegger、K.-R。 Müller，A. Tkatchenko，化学。 Rev. 2021, 121, 9816. [14] L. Hu, X. Wang, L. Wong, G. Chen, J. Chem。物理。 2003, 119, 11501. [15] M. Quir os, S. Gra ˇ zulis, S. Girdzijauskait ė, A. Merkys, A. Vaitkus, J. Cheminform 2018, 10, 23. [16] GR Schleder, ACM Padilha, CM Acosta, M. Costa, A.法齐奥，J.物理学。马特。 2019 , 2 , 032001。 [17] R. Gomez-Bombarelli, J. Aguilera-Iparraguirre, TD Hirzel, D. Duvenaud, D. Maclaurin, MA Blood-Forsythe, HS Chae, M. Einzinger, D.-G. Ha, T. Wu, G. Markopoulos, S. Jeon, H. Kang, H. Miyazaki, M. Numata, S. Kim, W. Huang, SI Hong, M. Baldo, RP Adams, A. Aspuru-Guzik, Nat Mater 2016, 15, 1120。 [18] MAB Janai, KL Woon, CS Chan, Org。电子。 2018 , 63 , 257. [19] Y. 赵, C. Fu, L. Fu, Y. Liu, Z. Lu, X. Pu, Mater Today Chem 2021 , 22 , 100625. [20] L. Breiman, Mach Learn 2001 , 45 , 5. [21] I. Palit, CK Reddy, IEEE Trans. 2021 , 22 , 100625.知道。数据工程2012 , 24 , 1904. [22] G. Ke, Q. Meng, T. Finley, T. Wang, W. Chen, W. Ma, Q. Ye, 神经信息处理系统的发展 (编辑：T.-Y. Liu), Curran Associates, New York 2017。[23] T. Chen, C. Guestrin, 在第 22 届 ACM SIGKDD 国际知识发现和数据挖掘会议论文集, 计算机协会, 纽约, NY 2016, 第 785 页。[24] DH Wolpert, Neural Netw 1992 , 5 , 241。[25] K. Li, G. Cheng, C. Ma, X. Guan, W.-M. Kwok, Y. Chen, W. Lu, C.-M. Che, Chem. Sci. 2013，4，2630。[26]RW肯纳德，LA斯通，技术计量学 1969，11，137。
跨免疫在流行动力学中的长期和短期影响
脑白质中的水扩散。医学中的磁共振，52（5），965 - 978。https：//doi.org/10.1002/mrm.20274 Assaf，Y.，Johansen-Berg，H。，＆Thiebaut de Schotten，M。（2019）。扩散MRI在神经科学中的作用。nmr在生物医学中，32（4），e3762。https://doi.org/10.1002/nbm.3762 Assaf，Y。，＆Pasternak，O。 （2008）。 扩散张量成像（DTI）基于大脑研究中的白质映射：评论。 分子神经科学杂志，34（1），51 - 61。https：//doi.org/10.1007/s12031-007-0029-029-0029-0 Behrman-lay，A.M.，Paul，Paul，Paul，R.H. 人类免疫缺陷病毒对男性和女性的脑体积和认知具有相似的影响。 神经病毒学杂志，22（1），93 - 103。https：//doi.org/10。 1007/S13365-015-0373-8 Bell，R。P.，Barnes，L.L.，Towe，S.L.，Chen，N。K.，Song，A.W。，＆Meade，C.S。（2018）。 HIV感染中的结构连接组差异：与Nadir CD4细胞计数相关的大脑网络隔离。 神经病毒学杂志，24（4），454 - 463。https：//doi.org/10.1007/ S13365-018-018-0634-4 Buyukturkoglu，K. 扩散峰度成像显示HIV感染和多发性硬化症患者的脑轴突损伤相似。 Neuroim-Aging Journal，28（3），320 - 327。 Chanraud，S.，Zahr，N.，Sullivan，E。V.和Pfefferbaum，A。 （2010）。 MR扩散张量成像：进入工作大脑的白质完整性的窗口。 （2019）。 （2016）。 ajnr。https://doi.org/10.1002/nbm.3762 Assaf，Y。，＆Pasternak，O。（2008）。扩散张量成像（DTI）基于大脑研究中的白质映射：评论。分子神经科学杂志，34（1），51 - 61。https：//doi.org/10.1007/s12031-007-0029-029-0029-0 Behrman-lay，A.M.，Paul，Paul，Paul，R.H.人类免疫缺陷病毒对男性和女性的脑体积和认知具有相似的影响。神经病毒学杂志，22（1），93 - 103。https：//doi.org/10。1007/S13365-015-0373-8 Bell，R。P.，Barnes，L.L.，Towe，S.L.，Chen，N。K.，Song，A.W。，＆Meade，C.S。（2018）。HIV感染中的结构连接组差异：与Nadir CD4细胞计数相关的大脑网络隔离。神经病毒学杂志，24（4），454 - 463。https：//doi.org/10.1007/ S13365-018-018-0634-4 Buyukturkoglu，K.扩散峰度成像显示HIV感染和多发性硬化症患者的脑轴突损伤相似。Neuroim-Aging Journal，28（3），320 - 327。Chanraud，S.，Zahr，N.，Sullivan，E。V.和Pfefferbaum，A。（2010）。MR扩散张量成像：进入工作大脑的白质完整性的窗口。（2019）。（2016）。ajnr。Neuropsychology评论，20（2），209 - 225。https：// doi。org/10.1007/s11065-010-9129-7 Chen，T。和Guestrin，C。（2016）。XGBoost第22 ACM SIGKDD国际知识发现与数据挖掘会议的会议记录。Chen，Y.，An，H.，Zhu，H.，Stone，T.，Smith，J.K.，Hall，C.，Bullitt，E.，Shen，D。，＆Lin，W。（2009）。 白质异常在非痴呆和痴呆的HIV +患者中差异张量成像显示出来。 NeuroImage，47（4），1154 - 1162。https：//doi.org/10.1016/j。 Neuroimage.2009.04.030 Cilliers，K。，＆Muller，C。J. F.（2021）。 人类免疫缺陷病毒对大脑的影响：综述。 解剖记录（Hoboken），304（7），1389 - 1399。https：//doi.org/10.1002/ar.24573 Correa，D.G.，D.G.，Zimmermann，N. E. L.（2015）。 在计划不足的HIV阳性患者中，白质完整性的扩散张量MR成像。 Neuroradiology，57（5），475 - 482。https：// doi.org/10.1007/s00234-015-1489-5-5 Davies，O. （2019）。 艾滋病毒认知的临床和神经影像学相关。 神经科学杂志，25（6），754 - 764。https：//doi.org/10.1007/s13365-019- 00763-W de Santis，S.，S.，Bastiani，M. Roebroeck，A。 表征多发性硬化症中的微结构组织特性，在7 t和3 t时进行扩散MRI：实验设计的影响。Chen，Y.，An，H.，Zhu，H.，Stone，T.，Smith，J.K.，Hall，C.，Bullitt，E.，Shen，D。，＆Lin，W。（2009）。白质异常在非痴呆和痴呆的HIV +患者中差异张量成像显示出来。NeuroImage，47（4），1154 - 1162。https：//doi.org/10.1016/j。Neuroimage.2009.04.030 Cilliers，K。，＆Muller，C。J. F.（2021）。人类免疫缺陷病毒对大脑的影响：综述。解剖记录（Hoboken），304（7），1389 - 1399。https：//doi.org/10.1002/ar.24573 Correa，D.G.，D.G.，Zimmermann，N. E. L.（2015）。在计划不足的HIV阳性患者中，白质完整性的扩散张量MR成像。Neuroradiology，57（5），475 - 482。https：// doi.org/10.1007/s00234-015-1489-5-5 Davies，O. （2019）。艾滋病毒认知的临床和神经影像学相关。神经科学杂志，25（6），754 - 764。https：//doi.org/10.1007/s13365-019- 00763-W de Santis，S.，S.，Bastiani，M. Roebroeck，A。表征多发性硬化症中的微结构组织特性，在7 t和3 t时进行扩散MRI：实验设计的影响。Neuroscience，403，17 - 26。https：//doi.org/10.1016/j.neuroscience.2018.03.048 De Santis，S.，Granberg，T.多壳差异MRI的多发性硬化症中早期微结构白质异常的证据。神经图像：临床，22，101699。https：//doi.org/10.1016/j。NICL.2019.101699 DE SANTIS，S.，JONES，D.K。和ROEBROECK，A。 包括轴外空间中的扩散时间依赖性可改善人类白质中轴突直径和密度的体内估计值。 Neuroimage，130，91 - 103。https：//doi.org/10.1016/j.neuroimage.2016.01.047 Filippi，C。G. 对大脑MR图像上HIV和正常白质患者的扩散张量成像。 美国神经放射学杂志，22（2），277 - 283。NICL.2019.101699 DE SANTIS，S.，JONES，D.K。和ROEBROECK，A。包括轴外空间中的扩散时间依赖性可改善人类白质中轴突直径和密度的体内估计值。Neuroimage，130，91 - 103。https：//doi.org/10.1016/j.neuroimage.2016.01.047 Filippi，C。G.对大脑MR图像上HIV和正常白质患者的扩散张量成像。美国神经放射学杂志，22（2），277 - 283。