리소스 - AWS 규범적 지침

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

리소스

참조

  1. Adadi, Amina 및 Mohammed Berrada. 2018. “블랙박스 내부 엿보기: 설명 가능한 인공 지능 (XAI) 에 대한 설문조사.” IEEE Access 6: 52138–52160.

  2. 안코나, 마르코, 에네아 첼리니, 첸기즈 오스티렐리, 마르쿠스 그로스 2018. “심층 신경망의 그래디언트 기반 어트리뷰션 방법을 더 잘 이해하기 위해.” 학습 표현에 관한 국제 컨퍼런스(ICLR) 자료집. arXiv:1711.06104.

  3. Dhamdhere, Kedar, Mukund Sundararajan, Qiqi Yan. 2018. "뉴런은 얼마나 중요한가요?" 제36회 국제 머신 러닝 컨퍼런스(ICML) 논문집. arXiv:1805.12233.

  4. Dua, Dheeru and Casey Graff. 2019. UCI Machine Learning 리포지토리[http://archive.ics.uci.edu/ml]. Irvine, CA: University of California, School of Information and Computer Science.

  5. Kapishnikov, Andrei, Tolga Bolukbasi, Fernanda Viegas, Michael Terry. 2019. “XRAI: 지역을 통한 더 나은 어트리뷰션.” IEEE/CVF 국제 컴퓨터 비전 컨퍼런스(ICCV) 논문집: 4948–4957. arXiv:1906.02825.

  6. Kim, Been, Martin Wattenberg, Justin Gilmer, Carrie Cai, James Wexler, Fernanda Viegas, Rory Sayres. 2018. "특징 어트리뷰션을 뛰어넘는 해석 가능성: 개념 활성화 벡터(TCAV)를 사용한 정량적 테스트." arXiv:1711.11279.

  7. Lundberg, Scott M., Gabriel G. Erion, Su-In Lee. 2019. “Tree Ensembles에 대한 일관된 개별화된 특징 어트리뷰션.” arXiv:1802.03888.

  8. Lundberg, Scott M. Su-In Lee. 2017. “모델 예측 해석에 대한 통합 접근법”. 신경 정보 처리 시스템(NIPS)의 발전 30. arXiv:1705.07874.

  9. Rajpurkar, Pranav, Jian Zhang, Konstantin Lopyrev, Percy Liang. 2016. “스쿼드: 텍스트의 기계 이해를 위한 10만 개 이상의 질문.” arXiv:1606.05250.

  10. Ribeiro, Marco T., Sameer Singh, Carlos Guestrin. 2016. “'내가 왜 당신을 믿어야 하죠? ' : 모든 분류기의 예측 설명하기.” KDD '16: 지식 검색 및 데이터 마이닝에 관한 제22회 ACM SIGKDD 국제 컨퍼런스 논문집: 1135–1144. arXiv:1602.04938.

  11. Sundararajan, Mukund, Ankur Taly, and Qiqi Yan. 2017. “딥 네트워크를 위한 Axiomatic Attribution.” 제34회 기계 학습 국제 컨퍼런스 70 논문집: 3319–3328. arXiv:1703.01365.

외부 소프트웨어 패키지

추가 읽기 자료