迈向使用 XAI 方法提升分类器性能的通用框架
机器学习
2024-03-18 v1
摘要
现代人工智能（AI）系统，尤其是深度学习（DL）模型，给 AI 研究人员理解其内部工作机制带来了挑战。可解释人工智能（XAI）通过检查 AI 模型的内部机制，提供关于其决策的解释。虽然当前的 XAI 研究主要集中在解释 AI 系统上，但使用 XAI 技术自动提升 AI 系统自身性能的兴趣日益增长。本文提出了一个通用框架，利用 XAI 方法自动提升预训练深度学习分类器的性能，避免了从头重新训练复杂模型所带来的计算开销。具体而言，我们概述了实现该架构的两种不同学习策略的可能性，分别称为基于自编码器和基于编码器-解码器的策略，并讨论了它们的关键方面。
引用
@article{arxiv.2403.10373,
title = {Towards a general framework for improving the performance of classifiers using XAI methods},
author = {Andrea Apicella and Salvatore Giugliano and Francesco Isgrò and Roberto Prevete},
journal= {arXiv preprint arXiv:2403.10373},
year = {2024}
}