Aruldoss martin (4 Ergebnisse)

Zustand: New. In English.

Taschenbuch. Zustand: Neu. Reference Model for Business Intelligence to Predict Bankruptcy | A Stepwise Comprehensive Solution for Business Intelligence: Model, Architecture and Application | Martin Aruldoss (u. a.) | Taschenbuch | 272 S. | Englisch | 2015 | LAP LAMBERT Academic Publishing | EAN 9783659773150 | Verantwortliche Person für die EU: BoD - Books on Demand, In de Tarpen 42, 22848 Norderstedt, info[at]bod[dot]de | Anbieter: preigu.…

Zustand: Hervorragend. Zustand: Hervorragend | Produktart: Bücher | Künstliche Intelligenz (KI), die von neuronalen Netzen gesteuert wird, ist für viele Anwendungen wie Empfehlungssysteme, Sprachübersetzung, soziale Medien, Chatbots und Rechtschreibprüfung usw. von entscheidender Bedeutung. Diese Netze werden jedoch häufig als "Blackboxen" kritisiert, was Bedenken hinsichtlich ihrer Erklärbarkeit aufkommen lässt, insbesondere in sensiblen Bereichen wie dem Gesundheitswesen, dem autonomen Fahren usw. Bestehende Methoden zur Verbesserung der Erklärbarkeit, wie z. B. die Bedeutung von Merkmalen, sind oft nicht klar und leicht zu interpretieren. Um dieses Problem zu lösen, wurde das objektorientierte neuronale Netz zur Verbesserung der Erklärbarkeit (OONNIE) entwickelt. OONNIE verwendet objektorientierte Modellierung, um Verlust- und Verbindungsgewicht zur Berechnung der Merkmalsbedeutung zu kombinieren und integriert domänenspezifische Regeln durch die Erweiterbarkeit von OOP. Das Modell betont die algorithmische Transparenz, indem jeder Trainingsschritt detailliert beschrieben wird. Bei der Evaluierung von XOR- und XNOR-Funktionen zeigt OONNIE vielversprechende Ergebnisse bei der Merkmalsbedeutung, eine schnellere Verlustreduzierung und verbesserte Vorhersagen nach der Integration von Domänenregeln. Dies ist ein wichtiger Beitrag zur erklärbaren KI und macht OONNIE zu einem wertvollen Werkzeug für die Entwicklung vertrauenswürdiger KI-Systeme.…

Softcover. Zustand: gut. 2025. Verbesserung der Erklärbarkeit von neuronalen Netzen: In Bezug auf die Wichtigkeit der Merkmale, die Regeln des Bereichs und die Transparenz der Algorithmen In deutscher Sprache. pages.