基于语法引导综合的机器学习模型概率近似正确解释
人工智能
2020-09-21 v1
摘要
我们提出了一种理解复杂机器学习模型（如深度神经网络）决策过程的新方法，该方法结合了概率近似正确学习（PAC）与一种称为语法引导综合（SyGuS）的逻辑推断方法。我们证明了我们的框架所生成的解释以高概率仅产生极少错误，并通过实验表明其在生成小型、人类可解释的解释方面是有效的。
引用
@article{arxiv.2009.08770,
title = {Probably Approximately Correct Explanations of Machine Learning Models via Syntax-Guided Synthesis},
author = {Daniel Neider and Bishwamittra Ghosh},
journal= {arXiv preprint arXiv:2009.08770},
year = {2020}
}