原型神经网络的全面评估
机器学习
2025-11-24 v3 人工智能
摘要
原型模型是可解释人工智能 (XAI) 和可解释机器学习的一个重要方法。本文对一组突出的原型模型进行深入分析，包括 ProtoPNet、ProtoPool 和 PIPNet。对于其评估，我们应用了一组合 comprehensively 的指标。除了应用来自文献的标准指标外，我们提出了几个新的指标，以进一步补充模型可解释性分析。在实验中，我们将原型模型应用于多样化的数据集，包括细粒度分类、Non-IID 设置和多标签分类，以进一步对比性能。此外，我们还提供了我们的 code 作为一个开源库 (https://github.com/uos-sis/quanproto)，这简化了指标本身的应用，以及可扩展性——提供了轻松添加新指标和模型的选项。
引用
@article{arxiv.2507.06819,
title = {Comprehensive Evaluation of Prototype Neural Networks},
author = {Philipp Schlinge and Steffen Meinert and Martin Atzmueller},
journal= {arXiv preprint arXiv:2507.06819},
year = {2025}
}