Interpretabilidade em inteligência artificial: um estudo de caso sobre testes com vetores de ativação de conceito (TCAV)

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGimenez-Lugo, Gustavo Alberto-
Autor(es): dc.contributorCalazans, Veronica Ferreira Bahr-
Autor(es): dc.contributorGiménez-Lugo, Gustavo Alberto-
Autor(es): dc.contributorDelgado, Myriam Regattieri de Biase da Silva-
Autor(es): dc.contributorYamanoe, Mayara Cristina Pereira-
Autor(es): dc.creatorAlmeida, Fernanda Hauptmann de-
Data de aceite: dc.date.accessioned2022-08-04T20:17:18Z-
Data de disponibilização: dc.date.available2022-08-04T20:17:18Z-
Data de envio: dc.date.issued2022-04-13-
Data de envio: dc.date.issued2022-04-13-
Data de envio: dc.date.issued2021-08-23-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/28003-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/706106-
Descrição: dc.descriptionInterpretability in Artificial Intelligence is the research field which aims to develop methods for the comprehension of the internal states of machine learning models, one of these methods is Testing with Concept Activation Vectors (TCAV), presented by Kim et al. (2017). This research investigates the tool TCAV both from its presentation article and through empiric verification of it based on test cases that allowed for this research to verify some fragilities on the results obtained. The goal of this work is to understand how these fragilities limit the relation between class and concept implied by the TCAV method.-
Descrição: dc.descriptionInterpretabilidade em Inteligência Artificial é a área de pesquisa que busca desenvolver métodos para a compreensão dos estados internos de modelos de aprendizagem de máquina, um desses métodos é a testagem com vetores de ativação de conceito (TCAV) apresentada por Kim et al. (2017). Essa pesquisa investiga a ferramenta a partir da análise do discurso sobre a ferramenta e da verificação empírica da mesma a partir de cenários de teste que nos permitiram verificar algumas fragilidades nos resultados obtidos por essa pesquisa. O propósito desse trabalho é buscar entender de que modo essas fragilidades limitam a construção da relação entre classe e conceito no método TCAV.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherBacharelado em Sistemas de Informação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectAprendizado de máquinas-
Palavras-chave: dc.subjectÉtica-
Palavras-chave: dc.subjectTecnologia - Filosofia-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectEthics-
Palavras-chave: dc.subjectTechnology - Philosophy-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO-
Título: dc.titleInterpretabilidade em inteligência artificial: um estudo de caso sobre testes com vetores de ativação de conceito (TCAV)-
Título: dc.titleInterpretability in artificial intelligence: a case study on tests with concept activation vectors (TCAV)-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.