دانلود کتاب Transparency and Interpretability for Learned Representations of Artificial Neural Networks – شفافیت و تفسیرپذیری برای نمایش های آموخته شده شبکه های عصبی مصنوعی

توضیحات

Artificial intelligence (AI) is a concept, whose meaning and perception has changed considerably over the last decades. Starting off with individual and purely theoretical research efforts in the 1950s, AI has grown into a fully developed research field of modern times and may arguably emerge as one of the most important technological advancements of mankind. Despite these rapid technological advancements, some key questions revolving around the matter of transparency, interpretability and explainability of an AIs decision-making remain unanswered. Thus, a young research field coined with the general term Explainable AI (XAI) has emerged from increasingly strict requirements for AI to be used in safety critical or ethically sensitive domains. An important research branch of XAI is to develop methods that help to facilitate a deeper understanding for the learned knowledge of artificial neural systems. In this book, a series of scientific studies are presented that shed light on how to adopt an empirical neuroscience inspired approach to investigate a neural networks learned representation in the same spirit as neuroscientific studies of the brain.

————————————————————–

ترجمه ماشینی :

هوش مصنوعی (AI) مفهومی است که معنا و درک آن در دهه‌های گذشته تغییرات قابل توجهی داشته است. با شروع تلاش‌های تحقیقاتی فردی و صرفا نظری در دهه 1950، هوش مصنوعی به یک حوزه تحقیقاتی کاملاً توسعه‌یافته در دوران مدرن تبدیل شد و احتمالاً می‌تواند به عنوان یکی از مهم‌ترین پیشرفت‌های فن‌آوری بشر ظاهر شود. علی‌رغم این پیشرفت‌های سریع فناوری، برخی از سؤالات کلیدی پیرامون موضوع شفافیت، تفسیرپذیری و توضیح‌پذیری تصمیم‌گیری هوش مصنوعی بی‌پاسخ باقی مانده‌اند. بنابراین، یک زمینه تحقیقاتی جوان که با اصطلاح کلی هوش مصنوعی قابل توضیح (XAI) ابداع شده است، از الزامات سختگیرانه فزاینده برای هوش مصنوعی برای استفاده در حوزه‌های حساس ایمنی یا از نظر اخلاقی حساس پدید آمده است. یکی از شاخه های تحقیقاتی مهم XAI، توسعه روش هایی است که به تسهیل درک عمیق تر دانش آموخته شده از سیستم های عصبی مصنوعی کمک می کند. در این کتاب، مجموعه‌ای از مطالعات علمی ارائه شده است که چگونگی اتخاذ یک رویکرد الهام‌گرفته از علوم اعصاب تجربی را برای بررسی بازنمایی آموخته‌شده شبکه‌های عصبی با همان روحیه مطالعات عصب‌شناسی مغز روشن می‌کند.

tag : دانلود کتاب شفافیت و تفسیرپذیری برای نمایش های آموخته شده شبکه های عصبی مصنوعی , Download شفافیت و تفسیرپذیری برای نمایش های آموخته شده شبکه های عصبی مصنوعی , دانلود شفافیت و تفسیرپذیری برای نمایش های آموخته شده شبکه های عصبی مصنوعی , Download Transparency and Interpretability for Learned Representations of Artificial Neural Networks Book , شفافیت و تفسیرپذیری برای نمایش های آموخته شده شبکه های عصبی مصنوعی دانلود , buy شفافیت و تفسیرپذیری برای نمایش های آموخته شده شبکه های عصبی مصنوعی , خرید کتاب شفافیت و تفسیرپذیری برای نمایش های آموخته شده شبکه های عصبی مصنوعی , دانلود کتاب Transparency and Interpretability for Learned Representations of Artificial Neural Networks , کتاب Transparency and Interpretability for Learned Representations of Artificial Neural Networks , دانلود Transparency and Interpretability for Learned Representations of Artificial Neural Networks , خرید Transparency and Interpretability for Learned Representations of Artificial Neural Networks , خرید کتاب Transparency and Interpretability for Learned Representations of Artificial Neural Networks ,