Zobrazeno 1 - 10
of 90
pro vyhledávání: '"Tsetlin machine"'
Publikováno v:
IEEE Access, Vol 9, Pp 8233-8248 (2021)
Building models that are both interpretable and accurate is an unresolved challenge for many pattern recognition problems. In general, rule-based and linear models lack accuracy, while deep learning interpretability is based on rough approximations o
Externí odkaz:
https://doaj.org/article/4dc5e630da204f389583198cd9f0da75
Publikováno v:
Algorithms, Vol 16, Iss 2, p 93 (2023)
In Natural Language Processing (NLP), deep-learning neural networks have superior performance but pose transparency and explainability barriers, due to their black box nature, and, thus, there is lack of trustworthiness. On the other hand, classical
Externí odkaz:
https://doaj.org/article/032836781bfa4c7abcdb40fb8540a6aa
Autor:
Geir Thore Berge, Ole-Christoffer Granmo, Tor Oddbjorn Tveit, Morten Goodwin, Lei Jiao, Bernt Viggo Matheussen
Publikováno v:
IEEE Access, Vol 7, Pp 115134-115146 (2019)
Medical applications challenge today's text categorization techniques by demanding both high accuracy and ease-of-interpretation. Although deep learning has provided a leap forward in regard to accuracy, this leap comes at the sacrifice of interpreta
Externí odkaz:
https://doaj.org/article/9b8d6af45a4d4825960ed097f2bf199d
Publikováno v:
Algorithms, Vol 15, Iss 5, p 143 (2022)
Explainability is one of the key factors in Natural Language Processing (NLP) specially for legal documents, medical diagnosis, and clinical text. Attention mechanism has been a popular choice for such explainability recently by estimating the relati
Externí odkaz:
https://doaj.org/article/6f8ce4367b8e4508abd9a1724e0aa669
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Jie Lei, Tousif Rahman, Rishad Shafik, Adrian Wheeldon, Alex Yakovlev, Ole-Christoffer Granmo, Fahim Kawsar, Akhil Mathur
Publikováno v:
Journal of Low Power Electronics and Applications, Vol 11, Iss 2, p 18 (2021)
The emergence of artificial intelligence (AI) driven keyword spotting (KWS) technologies has revolutionized human to machine interaction. Yet, the challenge of end-to-end energy efficiency, memory footprint and system complexity of current neural net
Externí odkaz:
https://doaj.org/article/feb525235900488aad7fb8a450bfc901
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.