-
公开(公告)号：CN117236393B
公开(公告)日：2025-04-18
申请号：CN202311076052.2
申请日：2023-08-24
Applicant: 中南大学
IPC: G06N3/06 , G06N3/0464 , G06N3/084 , G06V10/74 , G06V10/82
Abstract: 本发明提供了一种基于合作博弈论的卷积神经网络神经元可解释性评估方法，通过量化单个神经元的可解释性度和单层神经元的可解释性度量实现对卷积神经网络神经元可解释性评估。首先使用反向导向传播算法实现单个神经元的特征可视化，得到单个神经元的GBP图像；根据合作博弈论理论计算单个像素对预测输入图像属于某一类别的贡献度，从而得到SHAP图像。通过计算GBP图像和SHAP图像的相似度得到单个神经元的可解释性度量值，对单层内所有神经元的可解释性度量值求平均得到单层神经元可解释性度量值。本发明的指标提供了符合人类直觉的神经元可解释性度量方式，且计算高效。
-
公开(公告)号：CN117236393A
公开(公告)日：2023-12-15
申请号：CN202311076052.2
申请日：2023-08-24
Applicant: 中南大学
IPC: G06N3/06 , G06N3/0464 , G06N3/084 , G06V10/74 , G06V10/82
Abstract: 本发明提供了一种基于合作博弈论的卷积神经网络神经元可解释性评估方法，通过量化单个神经元的可解释性度和单层神经元的可解释性度量实现对卷积神经网络神经元可解释性评估。首先使用反向导向传播算法实现单个神经元的特征可视化，得到单个神经元的GBP图像；根据合作博弈论理论计算单个像素对预测输入图像属于某一类别的贡献度，从而得到SHAP图像。通过计算GBP图像和SHAP图像的相似度得到单个神经元的可解释性度量值，对单层内所有神经元的可解释性度量值求平均得到单层神经元可解释性度量值。本发明的指标提供了符合人类直觉的神经元可解释性度量方式，且计算高效。
-
公开(公告)号：CN116668304B
公开(公告)日：2025-04-01
申请号：CN202310636017.5
申请日：2023-05-31
Applicant: 中南大学
IPC: H04L41/12 , H04L41/142 , H04L41/22 , H04L41/0677 , H04L12/28
Abstract: 本发明公开了一种城域网拓扑可视化方法，包括以下步骤：步骤1、城域网图谱数据层级预处理；步骤2、对处理后的城域网图谱进行初始Voronoi图分割，得到幂加权Voronoi图；步骤3、对幂加权Voronoi图进行布局迭代优化调整，得到稳定的Voronoi分割结果；步骤4、使用约束力导引区域内设备布局，得到最终的城域网拓扑结构；所述区域指城域网中的子网和子区域。本发明解决了现有方法缺少可视化编码及视觉表达，导致无法体现城域网的拓扑网络的层次结构及设备与设备间的关系，从而使得定位报警困难，造成运维效率低下的问题。
-
公开(公告)号：CN116668304A
公开(公告)日：2023-08-29
申请号：CN202310636017.5
申请日：2023-05-31
Applicant: 中南大学
IPC: H04L41/12 , H04L41/142 , H04L41/22 , H04L41/0677 , H04L12/28
Abstract: 本发明公开了一种城域网拓扑可视化方法，包括以下步骤：步骤1、城域网图谱数据层级预处理；步骤2、对处理后的城域网图谱进行初始Voronoi图分割，得到幂加权Voronoi图；步骤3、对幂加权Voronoi图进行布局迭代优化调整，得到稳定的Voronoi分割结果；步骤4、使用约束力导引区域内设备布局，得到最终的城域网拓扑结构；所述区域指城域网中的子网和子区域。本发明解决了现有方法缺少可视化编码及视觉表达，导致无法体现城域网的拓扑网络的层次结构及设备与设备间的关系，从而使得定位报警困难，造成运维效率低下的问题。
-
-
-
Search Results
4
records
(took 0.014 seconds)
