必将制成厦门生产者不克不及在本身的商品上正常标注这些信息!
- 作者： 小象 发布时间：2024-01-13 18:21:52
- 摘要
必将制成厦门生产者不克不及在本身的商品上正常标注这些信息！如果允许作为商标独占运用这显然是有悖公厦门则的。将通用元素注册为商标是有违公厦门则的。
必将制成厦门生产者不克不及在本身的商品上正常标注这些信息！如果允许作为商标独占运用这显然是有悖公厦门则的。将通用元素注册为商标是有违公厦门则的。
总体来说,尽管可解释知识推理的研究已经取得了一系列研究成果,但是其研究整体还处于起步阶段,依然面临诸多挑战.其中,可解释推理主要面临事前可解释模型推理性能低下,与应用领域强绑定;事后解释方法无法反映模型真实行为、适用范围受限;缺乏统一的评测体系3大挑战.下面,本文针对上述挑战进行简单介绍并对未来的发展方向进行展望.
近年来，厦门市高度重视品牌建设工作，先后出台《关于实施品牌带动的若干意见》等政策，品牌质量建设取得新成效；先后获批建设国家商标战略实施示范城市、全国质量强市示范城市、国家知识产权'>知识产权强市创建市等，涌现出厦门天马、厦门航空、金龙汽车、厦门钨业、宏发电声、三安光电、美亚柏科等一大批质量高、效益好的品牌企业，产业创新能力和市场竞争力进一步提升。
对于同一个任务/场景,可以应用不同的推理方法,除了推理任务本身的精准度之外,如何去衡量这些方法在可解释性上的优劣是亟需解决的一个问题.当前,解释方法的评估没有一个明确的指标,只能对解释方法进行定性分析,无法对同类型的研究工作进行严格的、确定性的分析与比较[34].针对事前可解释的推理模型而言,其评估挑战在于如何量化模型内在的解释能力;对于事后可解释的推理模型而言,首先需要明确要评估的指标,进而从指标入手,建立评估方法.
随着深度学习的发展,知识推理方法的模型结构越来越复杂,仅仅一个网络就可能包含几百个神经元、百万个参数.尽管这些推理模型在速度、稳定性、可移植性、准确性等诸多方面优于人类,但由于用户无法对这类模型里的参数、结构、特征产生直观理解,对于模型的决策过程和模型的推理依据知之甚少,对于模型的决策过程知之甚少,不知道它何时会出现错误,在风险敏感的领域中,用户仍然无法信任模型的预测结果.因此,为了建立用户和推理模型之间的信任,平衡模型准确率和可解释性之间的矛盾,可解释性知识推理在近几年的科研会议上成为关注热点.
不可否认,在利用图神经网络解决知识推理任务时,注意力机制发挥了巨大的作用,并可以在一定程度上对GNN进行解释,但是节点的1-hop邻居和2-hop邻居可能存在重叠,注意力机制会对同一节点学习到不同的权重,如何去做出正确的抉择是一个需要解决的问题.其次,注意力机制的计算通常会利用简单的神经网络进行计算,譬如前向神经网络,这使得注意力模型会增加模型整体的计算复杂度.
事前解释模型是指模型本身内置可解释性,或者将可解释的模块整合到自身架构中的模型[33,34].对于一个训练好的学习模型,无需额外的信息就可以理解模型的决策过程或决策依据[32,33].在知识推理领域,事前可解释模型主要围绕规则、本体以及路径等易于理解的特征展开.下面,本文根据可解释的范围大小,将事前可解释的推理划分为全局可解释和局部可解释两大类.
厦门四信通信科技有限公司，中国物联网无线通信产品与解决方案领先者，物联网云平台提供商。是一家以浓厚的“诚信、信任、信心、信仰”价值观色彩覆盖产品、服务和管理活动的高新技术企业、软件企业。荣获“福建省著名商标”与“厦门市著名商标”认证。
近年来,可解释推理引发了广泛关注,为此,我们对以上几种方法做了简单总结,并且比较了它们的优点和缺点,具体如表2所示.
随着深度神经网络的发展,关于模型可解释性问题吸引了越来越多的目光.本文从可解释性的基本概念出发,系统梳理了当前可解释知识推理的相关工作.根据解释产生方式的不同,本文将可解释知识推理分为事前可解释推理模型和事后解释推理模型两大类.其中,根据可解释范围的大小,本文将事前可解释推理模型进一步细分为全局可解释的推理和局部可解释的推理;在事后解释模型中,介绍了事后解释推理的3类代表性推理模型并详细介绍提供解释的事后解释方法.接着,对可解释知识推理在其他领域的应用做了简单介绍.最后,本文对可解释知识推理的现状进行总结和归纳,并展望了可解释知识推理的未来发展方向.
