【回放视频及PPT全公开】青源LIVE第1期丨机器学习的可解释性综述

深度学习的可解释性研究在近年来顶会的录取文献词云上频频上榜，越来越多的研究工作表明，打开深度学习的黑盒并不是那么遥不可及。这些工作令人们更加信赖深度学习算法生成的结果，也通过分析模型工作的机理，让新的深度学习工作更加可靠。不同于其他子学科的研究，可解释性的研究范式通常因人而异，不同的工作往往从不同的视角来理解深度学习模型，使用的研究方法也相距甚远，如何分类，可解释性的研究范式如何划分？我们需要一个系统性的整理。

近日，南方科技大学张宇博士（唐珂教授2017级在读博士）发表一篇神经网络可解释性综述《A Survey on Neural Network Interpretability》，对该领域的最新进展做了完整梳理。为我们提供了看待该领域工作的一种划分方案，和最新工作的总结。智源社区特邀请张宇博士就相关内容做报告分享，欢迎大家交流。

相关资料如下 PPT 下载 视频回放 解读文章

扫描下方二维码，申请加入[智源月旦 - 可解释性研究组」，与领域内海内外青年科学家交流讨论，建立联系；自由表达观点，探讨前沿课题，共享学科前沿资料信息。