跳到正文
热点事件持续更新

研究者提出熵正则化积分梯度归因方法ERIG

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Rukmangadh Sai Myana、Sumit Kumar Jha 与 Yanzhao Wu 提出熵正则化积分梯度(ERIG)特征归因方法。据其论文,该方法在积分路径上使用带温度参数 τ 的最大熵 softmax 加权,以抑制梯度不规则性,从而稳定特征归因。 ERIG 属于基于路径的归因方法,其设计目标是在积分过程中直接减弱梯度波动。目前报道仅介绍方法原理,未给出实验效果或与其他归因方法的对比结果。

AI 根据报道生成 · 58 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    熵正则化 Integrated Gradients(ERIG):稳定特征归因的新方法

    研究者提出熵正则化 Integrated Gradients(ERIG),通过在积分路径上使用带温度参数 τ 的最大熵 softmax 加权来抑制梯度不规则性,从而稳定特征归因。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。