AI-ordlista
Den kompletta ordlistan över AI
Vanilla Gradient
Méthode de base qui calcule le gradient de la sortie par rapport à l'entrée pour générer des cartes de saillance. Bien que simple, elle souffre souvent de bruit et de saturation des gradients dans les réseaux profonds.
Grad-CAM++
Extension améliorée de Grad-CAM qui utilise des gradients pondérés d'ordre supérieur pour mieux capturer la pertinence des pixels. Elle produit des localisations plus précises particulièrement pour les objets multiples dans une image.
Input Perturbation
Méthode d'interprétabilité qui évalue l'importance des caractéristiques en observant les changements de sortie suite à des perturbations de l'entrée. Les gradients peuvent guider ces perturbations pour des analyses plus efficaces.
Taylor Decomposition
Approche mathématique utilisant la décomposition en série de Taylor pour approximer la contribution de chaque caractéristique à la sortie du modèle. Elle fournit une justification théorique solide pour les méthodes d'attribution basées sur les gradients.
Gradient Flow Visualization
Technique qui trace le flux des gradients à travers les couches du réseau pour comprendre comment l'information se propage. Elle aide à identifier les problèmes comme les gradients disparus ou explosants dans les architectures profondes.
Contrastive Explanation
Méthode qui utilise les gradients pour identifier non seulement les caractéristiques pertinentes (pertinent facts) mais aussi celles qui auraient dû être présentes (minimal perturbation). Elle offre une vision plus complète des raisons de la décision du modèle.