helpResearch question机器学习模型可视化、调试与可解释性支持
通过对神经网络隐藏层进行聚类和标注，是否能超越传统输入-输出分析的方法？UbiComp '21Towards Explainability of non-Convolutional Neural Networks
可视化、分析与数据理解 / 机器学习模型可视化、调试与可解释性支持
通过对神经网络隐藏层进行聚类和标注，是否能超越传统输入-输出分析的方法？
Similar questions
helpResearch question机器学习模型可视化、调试与可解释性支持
如何设计视觉分析工具以解释大型语言模型在自动评分摘要中的工作机制？IUI '24
helpResearch question机器学习模型可视化、调试与可解释性支持
输入扰动和注意力可视化如何揭示模型评分中的潜在偏差和逻辑问题？IUI '24
helpResearch question机器学习模型可视化、调试与可解释性支持
多视图集成方法如何提升模型解释性和用户友好性？IUI '24
helpResearch question机器学习模型可视化、调试与可解释性支持
数据导向（数据显示与质量分析）和模型导向的全局解释如何分别影响领域专家的模型优化能力？CHI '24
helpResearch question机器学习模型可视化、调试与可解释性支持
混合型解释（结合数据导向和模型导向）是否能够更有效地指导用户进行数据配置？CHI '24
helpResearch question机器学习模型可视化、调试与可解释性支持
手动与自动数据配置机制在优化模型性能和用户体验方面有何差异？CHI '24