arXiv cs.LG· Jose Roberto Tello Ayala, Akl C. Fahed, Roy Perlis, Finale Doshi-Velez·· 7 小时前AI 评分18
Shared Canonical Component Removal：量化原始模型超越专家视图的预测信号
Shared Canonical Component Removal Beyond Expert Views
AI 导读
研究提出 Shared Canonical Component Removal（SCCR）审计框架，通过选择性移除原始嵌入与专家嵌入间强共享的方向，量化原始模型在专家视图之外利用的预测信号。在合成数据、冠状动脉疾病检测、抗抑郁治疗脱落预测及基于 SkinCon 标注的皮肤病变分类上，SCCR 能识别专家视图的不足并恢复残余预测信号，同时最小化与专家视图的冗余。
来源：arXiv cs.LG · arxiv.org