Últimos artículos para IA explicable

El marco MiMICRI mejora las interpretaciones de IA en la atención cardiovascular, involucrando a expertos médicos de manera efectiva.

Un nuevo marco mejora la predicción del tráfico a través de explicaciones contrafactuales para tomar mejores decisiones.

Un método para evaluar la confianza del usuario en la IA, especialmente en entornos de salud.

Métodos innovadores buscan reducir el lenguaje dañino en línea sin perder el significado original.

Presentamos PQAH para entender mejor los mapas de calor de IA y su evaluación.

Examinando el papel de la IA en la agricultura, sistemas autónomos y salud.

Esta investigación se centra en usar IA para la detección temprana de enfermedades retinianas.

Usando aprendizaje automático para predecir riesgos de deslizamientos laterales por terremotos.

Explorando el papel de los métodos basados en lógica en la transparencia de la toma de decisiones de la IA.

Este estudio examina cómo la IA predice el sentimiento usando características confusas.

Combinar tipos de datos mejora la detección temprana y el tratamiento del cáncer de mama.

Entendiendo la Enfermedad Renal Crónica y el papel de la IA en la detección.

Una mirada a asegurar que las tecnologías de IA sean confiables y dignas de confianza.

El aprendizaje automático mejora la detección temprana del grosor del melanoma a través de imágenes de dermatoscopía.

Un nuevo enfoque para la IA explicable mejora las predicciones del riesgo de Alzheimer a través de datos clínicos.

Nuevos modelos mejoran la precisión en la predicción del uso del suelo urbano y mejoran la planificación.

Asegurando que las explicaciones de la IA sean claras y confiables para generar confianza en los usuarios.

Examinando el papel de la IA explicable en la lucha contra el sesgo.

AMORE produce reglas claras para entender mejor las decisiones de la IA en varios campos.

VCHAR mejora el reconocimiento de actividades humanas complejas usando métodos visuales innovadores.

Explorando el papel de las neuronas en la mejora de la interpretabilidad de los modelos de IR.

Este estudio examina cómo las explicaciones impactan en las percepciones de los usuarios sobre las capacidades de la IA.

Nuevo modelo mejora la precisión en la clasificación de enfermedades retinianas.

La IA ayuda a abordar la subjetividad en las evaluaciones de sostenibilidad corporativa.

Este artículo habla sobre el papel de la IA en mejorar las técnicas de estimación de canales inalámbricos.

Explorando LaFAM: Un método sin etiquetas para entender mejor las decisiones de IA.

Un nuevo clasificador mejora la explicabilidad y precisión en el reconocimiento de imágenes por IA.

Explorando cómo la IA mejora el análisis de pronósticos de clima extremo.

CHILLI mejora las explicaciones de la IA para generar más confianza y comprensión.

Una inmersión profunda en la toma de decisiones de la IA y su comparación con el razonamiento humano.

Usando datos y tecnología para predecir rendimientos de cultivos de manera efectiva.

Un nuevo marco mejora la comprensión de las funciones de densidad de partones usando aprendizaje automático.

Explorando la necesidad de continuidad semántica en los sistemas de IA para una mejor comprensión.

Los avances en deep learning mejoran la precisión del diagnóstico de enfermedades de la piel.

Esta investigación ofrece información sobre las elecciones de IA en entornos competitivos y cooperativos.

Mejorando la confianza y transparencia en los modelos de lenguaje grandes a través de IA explicativa.

Examinando cómo la IA explicable puede ayudar a certificar sistemas de IA.

BONES hace más fácil la estimación del Valor de Shapley para una mejor interpretación de la IA.

Un estudio sobre el uso de modelos de lenguaje para evaluar métodos de explicación de IA para el reconocimiento de actividades.

WLDA mejora la clasificación de IA manejando datos faltantes de manera efectiva.