Miniatura

Fitxers

memoria.pdf (1.66 MB)

Tipus de document

Treball de fi de grau

Data de publicació

2018-06-27

Llicència de publicació

cc-by-nc-nd (c) Guillem Brasó Andilla, 2018
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/125161

Attribution methods for deep convolutional networks

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

Resum

[en] In recent years, Deep Learning has shown great success across several areas. However, even, though it might provide remarkable accuracy for many tasks, its application in some fields faces a fundamental problem: its predictions are not interpretable. Attribution Methods offer a possible solution in regards to this problem. To do so, they resource to results in Game Theory in order to explain individual decisions made by Deep Learning algorithms. In this work, we will be focusing, specifically, on the application of Attribution Techniques to a subset of Deep Learning algorithms: Convolutional Neural Networks.

Descripció

Treballs Finals de Grau de Matemàtiques, Facultat de Matemàtiques, Universitat de Barcelona, Any: 2018, Director: Jordi Vitrià i Marca

Matèries

Xarxes neuronals (Informàtica), Treballs de fi de grau, Algorismes computacionals, Visió per ordinador

Matèries (anglès)

Neural networks (Computer science), Bachelor's theses, Computer algorithms, Computer vision

Citació

Col·leccions

Treballs Finals de Grau (TFG) - Matemàtiques

Citació

BRASÓ ANDILLA, Guillem. Attribution methods for deep convolutional networks. [consulta: 9 de gener de 2026]. [Disponible a: https://hdl.handle.net/2445/125161]

Exportar metadades

JSON - METS

Compartir registre