可解释的神经系统动态：结合深度学习与系统动态建模以支持关键应用
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

本研究提出了一种可解释的神经系统动态框架，结合深度学习的预测能力与传统模型的可解释性，提升因果可靠性和可扩展性，并验证其在自动化交通系统中的应用。

可解释性 因果可靠性 建模 深度学习 神经系统 自动化交通
原文中文，约200字，阅读约需1分钟。
阅读原文
分享给好友