Derniers articles pour IA explicable

Le cadre MiMICRI améliore les interprétations de l'IA dans le domaine de la santé cardiovasculaire, en impliquant efficacement des experts médicaux.

Un nouveau cadre améliore les prévisions de trafic grâce à des explications contrefactuelles pour une meilleure prise de décision.

Une méthode pour évaluer la confiance des utilisateurs dans l'IA, surtout dans le domaine de la santé.

Des méthodes innovantes visent à réduire le langage nuisible en ligne tout en préservant le sens original.

Présentation de PQAH pour mieux comprendre les cartes thermiques de l'IA et leur évaluation.

Examiner le rôle de l'IA dans l'agriculture, les systèmes autonomes et la santé.

Cette recherche se concentre sur l'utilisation de l'IA pour la détection précoce des maladies de la rétine.

Utiliser l'apprentissage automatique pour prévoir les risques de glissement latéral dus aux tremblements de terre.

Explorer le rôle des méthodes basées sur la logique dans la transparence de la prise de décision en IA.

Cette étude examine comment l'IA prédit le sentiment en utilisant des caractéristiques déroutantes.

Combiner les types de données améliore la détection précoce et le traitement du cancer du sein.

Comprendre la maladie rénale chronique et le rôle de l'IA dans la détection.

Un aperçu pour s'assurer que les technologies IA sont fiables et dignes de confiance.

L'apprentissage automatique améliore la détection précoce de l'épaisseur du mélanome grâce aux images de dermoscopie.

Une nouvelle approche de l'IA explicable améliore les prédictions de risque d'Alzheimer grâce aux données cliniques.

De nouveaux modèles améliorent la précision des prévisions d'utilisation des terres urbaines et améliorent la planification.

Assurer que les explications de l'IA sont claires et fiables pour la confiance des utilisateurs.

Examiner le rôle de l'IA explicable pour lutter contre les biais.

AMORE produit des règles claires pour mieux comprendre les décisions de l'IA dans divers domaines.

VCHAR améliore la reconnaissance des activités humaines complexes grâce à des méthodes visuelles innovantes.

Explorer le rôle des neurones dans l'amélioration de l'interprétabilité des modèles IR.

Cette étude examine comment les explications influencent les perceptions des utilisateurs sur les capacités de l'IA.

Nouveau modèle améliore la précision dans la classification des maladies de la rétine.

L'IA aide à gérer la subjectivité dans les évaluations de durabilité des entreprises.

Cet article parle du rôle de l'IA dans l'amélioration des techniques d'estimation des canaux sans fil.

Explorer LaFAM : Une méthode sans étiquette pour mieux comprendre les décisions de l'IA.

Un nouveau classificateur améliore l'explicabilité et la précision dans la reconnaissance d'images par IA.

Explorer comment l'IA améliore l'analyse des prévisions météorologiques extrêmes.

CHILLI améliore les explications de l'IA pour plus de confiance et de compréhension.

Une plongée profonde dans la prise de décision de l'IA et sa comparaison avec le raisonnement humain.

Utiliser des données et de la technologie pour prévoir efficacement les rendements des cultures.

Un nouveau cadre améliore la compréhension des fonctions de densité de partons en utilisant l'apprentissage automatique.

Explorer le besoin de continuité sémantique dans les systèmes d'IA pour une meilleure compréhension.

Les avancées en deep learning améliorent la précision du diagnostic des maladies de la peau.

Cette recherche donne un aperçu des choix de l'IA dans des situations compétitives et cooperatives.

Améliorer la confiance et la transparence dans les grands modèles de langage grâce à l'IA explicable.

Examiner comment l'IA explicable peut aider à certifier les systèmes d'IA.

BONES simplifie l'estimation de la valeur de Shapley pour une meilleure interprétation de l'IA.

Une étude sur l'utilisation de modèles linguistiques pour évaluer les méthodes d'explication de l'IA pour la reconnaissance d'activités.

WLDA améliore la classification AI en gérant efficacement les données manquantes.