本文介绍了局部代理模型解释方法TS-MULE，旨在提高时间序列黑匣子模型的解释质量。研究展示了六种采样分割方法在深度学习模型上的性能，并探讨了不同解释框架的有效性和稳定性。

利用本地替代模型解释全球年度数据的时间偏移
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证