Quantus- 一个可解释的人工智能工具包，用于负责任地评估神经网络解释及更多.docx

下载文档

0
0
约3.69万字
约 11页
2024-04-18 发布于境外
举报
版权申诉
保障服务

Quantus- 一个可解释的人工智能工具包，用于负责任地评估神经网络解释及更多.docx

1、本文档共11页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

JournalofMachineLearningResearch24(2023)1-11 Submitted2/22;Revised11/22;Published1/23

Quantus:AnExplainableAIToolkitforResponsibleEvaluationofNeuralNetworkExplanationsandBeyond

AnnaHedstr?m1,? anna.hedstroem@tu-berlin.de

LeanderWeber3 leander.weber@hhi.fraunhofer.de

DilyaraBareeva1 dilyara.bareeva@campus.tu-berlin.de

DanielKrakowczyk4 daniel.krakowczyk@uni-potsdam.de

FranzMotzkus3 franz.motzkus@hhi.fraunhofer.de

WojciechSamek2,3,5 wojciech.samek@hhi.fraunhofer.de

SebastianLapuschkin3,? sebastian.lapuschkin@hhi.fraunhofer.de

MarinaM.-C.H?hne1,5,? marina.hoehne@tu-berlin.de

1UnderstandableMachineIntelligenceLab,TUBerlin,10587Berlin,Germany

2DepartmentofElectricalEngineeringandComputerScience,TUBerlin,10587Berlin,Germany

3DepartmentofArtificialIntelligence,FraunhoferHeinrich-Hertz-Institute,10587Berlin,Germany

4DepartmentofComputerScience,UniversityofPotsdam,14476Potsdam,Germany

5BIFOLD–BerlinInstitutefortheFoundationsofLearningandData,10587Berlin,Germany

?correspondingauthors

Editor:JoaquinVanschoren

Abstract

Theevaluationofexplanationmethodsisaresearchtopicthathasnotyetbeenexploreddeeply,however,sinceexplainabilityissupposedtostrengthentrustinartificialintelligence,itisnecessarytosystematicallyreviewandcompareexplanationmethodsinordertoconfirmtheircorrectness.Untilnow,notoolwithfocusonXAIevaluationexiststhatexhaustivelyandspeedilyallowsresearcherstoevaluatetheperformanceofexplanationsofneuralnetworkpredictions.Toincreasetransparencyandreproducibilityinthefield,wethereforebuiltQuantus—acomprehensive,evaluationtoolkitinPythonthatincludesagrowing,well-organisedcollectionofevaluationmetricsandtutorialsforevaluatingexplainablemethods.Thetoolkithasbeenthoroughlytestedandisavailableunderanopen-sourcelicenseonPyPi(oron/understandable-machine-in