研究者提出可解释图神经加性网络GNAN
热点事件持续更新
研究者提出可解释图神经加性网络GNAN
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Maya Bechler-Speicher等作者在论文中提出图神经加性网络（GNAN），称其是在设计上即可解释的图神经网络，可通过直接可视化在特征和图两个层面给出全局与局部解释。作者称，GNAN的准确率与黑盒图神经网络相当，适合对透明度要求高的关键场景。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
可解释且有效的图神经加性网络 GNAN报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AI可解释且有效的图神经加性网络 GNAN
研究者提出图神经加性网络（GNAN，Graph Neural Additive Network），一种在设计上即可解释的图神经网络，可通过直接可视化在特征和图两个层面给出全局与局部解释。GNAN 的准确率与黑盒图神经网络相当，适合对透明度要求高的关键场景。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。