Lessons on interpretable machine learning from particle physics

Machine learning methods have proved powerful in particle physics, but without interpretability there is no guarantee the outcome of a learning algorithm is correct or robust. Christophe Grojean, Ayan Paul, Zhuoni Qian and Inga Strümke give an overview of how to introduce interpretability to methods...

Celý popis

Podrobná bibliografia

Vydané v:	Nature reviews physics Ročník 4; číslo 5; s. 284 - 286
Hlavní autori:	Grojean, Christophe, Paul, Ayan, Qian, Zhuoni, Strümke, Inga
Médium:	Journal Article
Jazyk:	English
Vydavateľské údaje:	London Nature Publishing Group 01.05.2022
Predmet:	Algorithms Artificial intelligence Decision trees Kinematics Machine learning Neural networks Particle physics Variables
ISSN:	2522-5820
On-line prístup:	Získať plný text
Tagy:	Pridať tag Žiadne tagy, Buďte prvý, kto otaguje tento záznam!