Poprawa własności interpretacji wyników głębokich sieci neuronowych w oparciu o części prototypiczne.
Instytucja Finansująca / Przyznający: Narodowe Centrum Nauki
Tytuł: Poprawa własności interpretacji wyników głębokich sieci neuronowych w oparciu o części prototypiczne.
Kierownik: Dawid Rymarczyk
Rozpoczęcie: 2023-02-17
Zakończenie: 2025-02-16
Uwagi: Preludium 21
| Publikacje |
|---|
| Dawid Rymarczyk, Daniel Dobrowolski, Tomasz Danel, ProGReST: Prototypical Graph Regression Soft Trees for Molecular Property Prediction, SIAM International Conference on Data Mining [SDM] vol. 978-1-61197-765-3 (2023), 379 - 387 |
| Bartosz Zieliński, Dawid Rymarczyk, Joost van de Weijer , Bartłomiej Twardowski, ICICLE: Interpretable Class Incremental Continual Learning, IEEE International Conference on Computer Vision [ICCV](MAIN) vol. 2023 (2023), 1887-1898 |
| Bartosz Zieliński, Łukasz Struski, Dawid Rymarczyk, Arkadiusz Lewicki, Robert Sabiniewicz, Jacek Tabor, ProMIL: Probabilistic Multiple Instance Learning for Medical Imaging, European Conference on Artificial Intelligence [ECAI] vol. 372 (2023), 2210 - 2217 |
| Bartosz Zieliński, Mikołaj Sacha, Bartosz Jura, Dawid Rymarczyk, Łukasz Struski, Jacek Tabor, Interpretability Benchmark for Evaluating Spatial Misalignment of Prototypical Parts Explanations, National Conference of the American Association for Artificial Intelligence [AAAI] vol. 38 (19) (2024), 21563 - 21573 |