摘要:可解释人工智能的最终目标是建立既具有高精度又具有可解释性的模型。理解此类模型的推论可以看作是揭示其输入和输出之间关系的过程。这些关系可以表示为一组推理规则,这些规则通常在模型中并不明确。学者们提出了几种从数据驱动的机器学习模型中提取规则的方法。然而,对它们的比较研究有限。本研究提出了一种新颖的比较方法,通过使用六个定量指标来评估和比较四个事后规则提取器生成的规则集。研究结果表明,这些指标实际上可以帮助识别优于其他方法的方法,从而能够成功地对可解释性的独特方面进行建模。
图2 Marmo-Ad联盟的概述。Marmo-AD将利用AD数据宇宙为基因工程的新风险变体提供信息,以介绍摩尔莫斯群岛的基因工程以及临床数据的对准(遗传学,多态,成像,生物标志物,行为措施,认知评估,认知评估)和Model-AD的小鼠模型数据。项目由技术核心执行的实验支持。动物模型将在GEC,床上生成并保持在VCMC中,并在MDCC中进行表征。BDIC将合并来自AD知识门户的数据,优先考虑模型生成的变体,并支持计算和生物统计分析。最后,管理员核心将确保将数据产生,协议,组织和模型提供给研究社区。AD,阿尔茨海默氏病;管理员,行政; BDIC,生物信息学和数据集成核心; GEC,基因工程核心; Marmo-Ad,摩尔莫斯人作为AD的研究模型; MDCC,多模式疾病表征核心; VCMC,兽医和殖民地管理核心; AMP-AD,为阿尔茨海默氏病提供了药物合作伙伴关系计划;阿德尼(Adni),阿尔茨海默氏病神经影像倡议; ADSP,阿尔茨海默氏病测序项目;治疗,靶向促成阿尔茨海默氏病的疗法发展; AD模型,模型生物体开发,以评估晚期阿尔茨海默氏病; ai4ad;阿尔茨海默氏病的人工智能; IGAP:阿尔茨海默氏症项目的国际基因组学,ROS/地图:宗教秩序研究/记忆与老化项目; ADGC:阿尔茨海默氏病遗传学伴侣。AD,阿尔茨海默氏病;管理员,行政; BDIC,生物信息学和数据集成核心; GEC,基因工程核心; Marmo-Ad,摩尔莫斯人作为AD的研究模型; MDCC,多模式疾病表征核心; VCMC,兽医和殖民地管理核心; AMP-AD,为阿尔茨海默氏病提供了药物合作伙伴关系计划;阿德尼(Adni),阿尔茨海默氏病神经影像倡议; ADSP,阿尔茨海默氏病测序项目;治疗,靶向促成阿尔茨海默氏病的疗法发展; AD模型,模型生物体开发,以评估晚期阿尔茨海默氏病; ai4ad;阿尔茨海默氏病的人工智能; IGAP:阿尔茨海默氏症项目的国际基因组学,ROS/地图:宗教秩序研究/记忆与老化项目; ADGC:阿尔茨海默氏病遗传学伴侣。
BRCA2种系突变鉴定胃罐对PARP抑制剂的反应者Annalisa Petrelli 1,Sabrina rizzolio 1,Filippo Pietrantonio 2,Sara E. Bellomo 1.3,Matteo Benelli 4,Matteo Benelli 4,Loris de Cecco 5,Loris de Cecco 5,Dario Romagnoli 4,Enrico Berria Berria 1.6丹尼尔。 Moya-Rull 1, Cristina Migliore 1.3, Daniela Conticelli 1.3, Irene M. Maina 1.3, Elisabetta Puliga 1, Violeta Serra 7, Benedetta Pellegrino 8.9.10, Alba Llop-Guenvara 7, Antonino Musolino 8.9.10, Salvatore Siena 11.12, Andrea Sartore-Bianchi 11.12, Michele Prisciandaro 2.11,Federica Morano 2,Maria Antista 2,Uberto Fumagalli 13,Giovanni de Manzoni 14,Maurizio degiuli 15,Gian Luca Baiocchi 16,Marco F. Amisano 17
在 PEO 的职业生涯中,他曾担任过多个职位,包括观察、检测和识别 (PM ODI) 产品副经理、机载 MASINT 和雷达传感器 (PM SAMR) 产品总监、中空侦察和监视系统 (PM MARSS) 副产品经理,最近还担任 PEO IEW&S 的参谋长。
2002–2015 巴里理工大学自动控制专业全职助理教授。研究领域为基于模型和数据驱动的优化与控制、复杂网络与系统、机电一体化、机器人技术。他在本科和研究生课程中教授动态系统、控制和机器人技术领域的多门课程。 1999–2002 墨西拿大学工业机器人学合同教授。