Transparency and Interpretability for Learned Representations of Artificial Neural Networks (eBook)
XXI, 211 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-40004-0 (ISBN)
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 AI's 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 network's learned representation in the same spirit as neuroscientific studies of the brain.
Richard Meyes is head of the research group 'Interpretable Learning Models' at the institute of Technologies and Management of Digital Transformation at the University of Wuppertal. His current research focusses on transparency and interpretability of decision-making processes of artificial neural networks.
| Erscheint lt. Verlag | 26.11.2022 |
|---|---|
| Zusatzinfo | XXI, 211 p. 73 illus., 70 illus. in color. Textbook for German language market. |
| Sprache | englisch |
| Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
| Schlagworte | Artificial Neural Networks • Deep learning • Digital transformation • explainability • Explainable AI • Interpretability • Learned Representation • Neuroscience • Transparency • XAI |
| ISBN-10 | 3-658-40004-8 / 3658400048 |
| ISBN-13 | 978-3-658-40004-0 / 9783658400040 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 5,5 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
