深度学习模型的偏差检测和可解释性

被引：0

申请号：

CN202080090940.8

申请日：

2020-08-28

公开(公告)号：

CN114902239A

公开(公告)日：

2022-08-12

发明(设计)人：

贾纳尼·韦努戈帕兰苏迪普塔·巴萨克夏玮桑吉韦·斯里瓦斯塔瓦阿伦·拉马穆尔蒂

申请人：

申请人地址：

美国新泽西州

IPC主分类号：

G06N304

IPC分类号：

G06N500 G06N504 G06N700 G06N502

代理机构：

北京康信知识产权代理有限责任公司 11240

代理人：

张英

法律状态：

公开

国省代码：

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2022-08-12	公开	公开

共 50 条

[1]

深度学习模型的可解释性参数获取方法及装置 [P].

许正卓 ;

杨海钦 .

中国专利 :CN112052957A ,2020-12-08

[2]

基于可解释性深度学习的心电图分类 [P].

韩青华 ;

张世华 ;

张炙炀 ;

周维 .

中国专利 :CN114762605A ,2022-07-19

[3]

可解释性深度学习的差分隐私保护方法 [P].

王金艳 ;

李德 ;

胡宇航 ;

李先贤 .

中国专利 :CN111242196B ,2020-06-05

[4]

基于跨源可解释性深度学习模型的山洪预警方法及系统 [P].

邢鹏飞 ;

姚艳秋 ;

于繁华 ;

李清亮 ;

姚亦飞 ;

耿庆田 .

中国专利 :CN118334830A ,2024-07-12

[5]

基于跨源可解释性深度学习模型的山洪预警方法及系统 [P].

邢鹏飞 ;

姚艳秋 ;

于繁华 ;

李清亮 ;

姚亦飞 ;

耿庆田 .

中国专利 :CN118334830B ,2024-08-30

[6]

基于深度学习的可解释性SAR图像目标检测方法及系统 [P].

陈立福 ;

罗汝 ;

潘舟浩 ;

袁志辉 ;

邢学敏 ;

邢进 ;

蔡兴敏 .

中国专利 :CN113902978B ,2024-06-18

[7]

基于深度学习的可解释性SAR图像目标检测方法及系统 [P].

陈立福 ;

罗汝 ;

潘舟浩 ;

袁志辉 ;

邢学敏 ;

邢进 ;

蔡兴敏 .

中国专利 :CN113902978A ,2022-01-07

[8]

机器学习中具有可解释性的图像数据偏差检测 [P].

S·K·莫普尔 ;

K·L·沙斯特里 .

美国专利 :CN117408936A ,2024-01-16

[9]

具有隐私和可解释性的机器学习模型训练 [P].

T·查克拉博蒂 ;

A·桑塔纳德奥利维拉 ;

K·马拉特 ;

C·卡普兰 .

德国专利 :CN117591869A ,2024-02-23

[10]

可解释性分析方法、装置、设备和介质 [P].

刘金伟 .

中国专利 :CN117709471A ,2024-03-15

← 1 2 3 4 5 →