基于 ONNX 的通用框架：使用 Shapley 值解释神经网络的 ONNXExplainer
原文中文，约300字，阅读约需1分钟。发表于：。ONNXExplainer 是一个用 Shapley 值在 ONNX 生态系统中解释神经网络的通用框架，其自动微分和优化方法实现了一次部署、高效计算解释和更少内存消耗。通过与 SHAP 进行比较，广泛的基准测试表明，所提出的优化方法能够提高 VGG19、ResNet50、DenseNet201 和 EfficientNetB0 的解释延迟高达 500%。
SHAPNN是一种新颖的深度表格数据建模架构，利用Shapley值进行正则化，提高模型性能和持续学习能力。在公开数据集上评估，展示了其在AUROC、透明度和鲁棒性方面的卓越性能。
