arulprakash enoch (8 Ergebnisse)

Zustand: New. In.

Taschenbuch. Zustand: Neu. Enhancing The Explainability of Neural Network | In the aspects of feature importance, domain rules and algorithmic transparency | Enoch Arulprakash (u. a.) | Taschenbuch | Englisch | 2024 | LAP LAMBERT Academic Publishing | EAN 9786208064341 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Zustand: Neu. Améliorer l'explicabilité des réseaux neuronaux | En ce qui concerne l'importance des caractéristiques, les règles du domaine et la transparence algorithmique | Enoch Arulprakash (u. a.) | Taschenbuch | Französisch | 2025 | Editions Notre Savoir | EAN 9786202371148 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Zustand: Neu. Zwi¿kszanie zrozumia¿o¿ci sieci neuronowych | Pod wzgl¿dem wa¿no¿ci funkcji, regu¿ domeny i przejrzysto¿ci algorytmu | Enoch Arulprakash (u. a.) | Taschenbuch | Polnisch | 2025 | Edizioni Sapienza | EAN 9786202371162 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Zustand: Neu. Migliorare la spiegabilità delle reti neurali | Per quanto riguarda l'importanza delle caratteristiche, le regole di dominio e la trasparenza algoritmica | Enoch Arulprakash (u. a.) | Taschenbuch | Italienisch | 2025 | Edizioni Sapienza | EAN 9786202371155 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Zustand: Neu. Melhorar a explicabilidade da rede neural | Nos aspectos da importância das caraterísticas, das regras do domínio e da transparência algorítmica | Enoch Arulprakash (u. a.) | Taschenbuch | Portugiesisch | 2025 | Edições Nosso Conhecimento | EAN 9786202371179 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Zustand: Neu. Verbesserung der Erklärbarkeit von neuronalen Netzen | In Bezug auf die Wichtigkeit der Merkmale, die Regeln des Bereichs und die Transparenz der Algorithmen | Enoch Arulprakash (u. a.) | Taschenbuch | 136 S. | Deutsch | 2025 | Verlag Unser Wissen | EAN 9786202371124 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[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.