基于强化学习的局部可解释模型
实质审查的生效
摘要
一种用于训练局部可解释模型(190)的方法(300)包括，获得训练样本(130)的集合，以及使用训练样本的集合来训练黑盒模型(120)。该方法还包括，使用经训练的黑盒模型和训练样本的集合来生成辅助训练样本(140)的集合，以及使用辅助训练样本的集合来训练基线可解释模型(150)。该方法还包括，使用辅助训练样本的集合和基线可解释模型来训练实例式权重估计器模型(160)。对于每个辅助训练样本，该方法还包括，使用经训练的实例式权重估计器模型来确定辅助训练样本的选择概率(170)。该方法还包括，基于选择概率来选择辅助训练样本(140S)的子集，以及使用辅助训练样本的子集来训练局部可解释模型。
基本信息
专利标题 ：
基于强化学习的局部可解释模型
专利标题（英）：
暂无
公开（公告）号 ：
CN114467095A
申请号 ：
CN202080066799.8
公开（公告）日 ：
2022-05-10
申请日 ：
2020-09-23
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
赛尔坎·奥默·阿里克尹珍圣托马斯·乔恩·菲斯特
申请人 ：
谷歌有限责任公司
申请人地址 ：
美国加利福尼亚州
代理机构 ：
上海华诚知识产权代理有限公司
代理人 ：
肖华
优先权 ：
CN202080066799.8
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08 G06N5/04 G06N7/00 G06N5/00 G06N20/20
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-05-27 ：
实质审查的生效
IPC(主分类) : G06N 3/04
申请日 : 20200923
申请日 : 20200923
2022-05-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
