#319 · 主分类： AI工具目录与精选清单
awesome_deep_learning_interpretability
awesome
awesome-list
chainer
computer-vision
cvpr
deep-learning
eccv
iccv
iclr
icml
interpretability
keras
matlab
neural-network
neurips
nlp
papers
pytorch
tensorflow
torch
深度学习近年来关于神经网络模型解释性的相关高引用/顶会论文(附带代码)
项目最后更新：04/08/24
GitHub Stars
767
Forks数量
122
贡献者数量
3
许可证
MIT
收录理由
模型可解释性是个覆盖面很广的方向，这份清单替你把文献梳理好了。仓库里打包了 159 篇论文 PDF 存在云盘，遇到付费墙时能省不少事；表格本身按年份和发表 venue 排列，还单独准备了一份按引用数排序的视图，想找最有影响力的工作可以直奔主题。收录的论文多是引用量高、发表在顶会上的神经网络解释工作，覆盖从类激活图、概念化方法这类可视化手段，到不确定性评估和因果解释等多个方向。每条记录都附上论文链接，作者公开了代码的也会一并给出，读完方法就能直接上手跑。这更像一份研究参考资料，而不是拿来部署的工具，但如果你在做可解释系统的开发或审计，它能帮你省下大量翻文献的时间。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。