Prohlížení dle předmětu "explainability"

Zobrazují se záznamy 1-7 z 7

    • Explainability in deep learning-based medical image analysis 

      Autor: Martin Lank; Vedoucí práce: Friedjungová Magda; Oponent práce: Vašata Daniel
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2024-02-09)
      V této práci aplikujeme metody vysvětlitelnosti Grad-CAM++, LayerCAM a SmoothGrad na konvoluční neuronovou síť založenou na EfficicientNetV2 a doučenou na mikroskopických histologických snímcích. Tato neuronová síť predikuje ...

    • Interpretabilita modelů strojového učení 

      Autor: Jakub Štercl; Vedoucí práce: Romportl Jan; Oponent práce: Pavlíček Josef
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-02-06)
      Interpretabilita modelů strojového učení slouží k vysvětlení chování, jinak mnohdy zcela neprůhledných, modelů. Tato práce představuje nejpoužívanější metody a nástroje interpretability. Vlastnosti jednotlivých metod pak ...

    • Srovnání interpretovatelných modelů s post-hoc vysvětlitelnými black-box modely 

      Autor: Mikuláš Kočí; Vedoucí práce: Rybář Vojtěch; Oponent práce: Petr Ivo
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2024-06-20)
      Hlavním cílem této práce bylo poskytnout další důkazy, že interpretovatelných modely jsou schopné dosáhnout podobných, ne-li lepšího výkonu, než černé skříňky. V našem experimentu jsme zjistili, že pro ani jeden dataset ...

    • Učení modelů na datech se složitou strukturou s aplikacemi pro kybernetickou bezpečnost 

      Autor: Tomáš Komárek; Vedoucí práce: Somol Petr; Oponent práce: Cavallaro Lorenzo
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-06-05)
      Vhodná reprezentace vstupních dat je pro úspěšnou aplikaci učících se modelů klíčová. Zatímco pro homogenní data, jako jsou obrázky, text nebo zvuk, již byly vyvinuty end-to-end modely schopné učit se přímo z nezpracovaných ...

    • Vysvětlitelné klasifikátory malwaru 

      Autor: Ondřej Vereš; Vedoucí práce: Šmídl Václav; Oponent práce: Somol Petr
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2024-06-18)
      Tato práce představuje metodu TreeLIME pro vysvětlování hierarchických víceinstančních modelů strojového učení. Naše metoda natrénuje zjednodušený logistický model pro konkrétní vstupní vzorek. TreeLIME následně vytvoří ...

    • Vysvětlitelnost neuronových sítí 

      Autor: Vojtěch Drahý; Vedoucí práce: Mařík Radek; Oponent práce: Drchal Jan
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-06-13)
      Často diskutovaným problémem ve strojovém učení je vysvětlitelnost neuronových sítí. Neuronové sítě zaznamenaly v posledních letech masivní rozvoj – používají se v široké škále úloh, od rozpoznávání obrazu přes zpracování ...

    • Vysvětlitelnost v klasifikaci časových řad 

      Autor: Narek Vardanjan; Vedoucí práce: Dedecius Kamil; Oponent práce: Sečkárová Vladimíra
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-06-10)
      Klasifikace časových řad má rozsáhlé využití v různých oblastech, od zdravotnictví po zajišťování kvality potravin. Navzdory širokému použití však není snadné interpretovat predikční modely. Tato diplomová práce se zaměřuje ...