理论在质性研究中的核心作用

目前,质性研究中应用理论的方式包括:(1)阐明认识论立场;(2)说明方法选择的逻辑;(3)将研究结果构建为理论;(4)为研究提供指导框架。本文的贡献本文提出,强有力的理论框架可以揭示研究者对研究的既有倾向,也有助于数据的编码和解释。文章前半部分是质性研究中知识生产、反身性和理论使用的背景概述。其后关于概...

ECCV 2024 | 研究残差及跳跃连接的可解释性,层相关性传播LRP在Res...

现有的神经网络可解释方法可以通过添加噪声扰动或基于梯度信息在图像上生成解释,例如非常具有代表性的RISE[1]和Grad-CAM[2]等方法。后续出现的LRP方法可以清晰的计算出反向传播的相关性分数,同时还可以捕获其在网络内部的流动情况,这对于理解网络最终的决策具有重要意义。但美中不足的是,传统的LRP方法无法很好地处理Res...

《教育研究》2024年第10期 高洁 等 《生成式人工智能的语言局限...

生活中,人们的“举例子”很少是单一条件的为了举例而举例,人们常在输出一个观点后接续“比如……”、“打个比方……”、“换句话说……”,通过举例子有目的地将新事物迁移到旧认知,促进新的理解,达成观念认同。这种举例需要对复杂事件中的每一个条件,以及所有条件之间“相互引发”的逻辑进行类比,最终用一个例子将...

...的因果图生成方法、系统专利,能增强医疗大数据研究结果可解释性

最后根据因果关系的基本知识(如时间关系,因必须出现在果之前)对共同原因、共同结果、中间概念进行修剪,形成能供医学研究使用参考(readyforuse)、增强医疗大数据研究结果可解释性的因果图。本文源自金融界

人工智能十大前沿技术趋势发布

在保障有效性的前提下,提高可解释性,有助于减少对公共资源的消耗,增强用户对AI系统的信任度,并促进其在关键领域的应用。例如在医疗健康领域,一个具有高可解释性的AI诊断系统能够让医生更容易理解其判断依据,减少不必要的检查和治疗程序。5.规模定律基于海量参数和训练数据的大规模预训练模型能够有效提高人机交互和...

Transformer的可解释性会转移到RNN吗?|大模型论文日报

EleutherAI研究了原本为transformer语言模型设计的部分可解释性方法是否能够迁移到这些新兴的循环架构(www.e993.com)2024年11月4日。具体来说,他们重点研究了通过对比激活加法引导模型输出、通过调整透镜激发潜在预测,以及从微调模型中激发潜在知识,从而在特定条件下产生错误输出。结果表明,这些技术中的大多数在应用于RNN时都很有效,同时,利用...

XAI有什么用?探索LLM时代利用可解释性的10种策略

近日,来自佐治亚大学、新泽西理工学院、弗吉尼亚大学、维克森林大学、和腾讯AILab的研究者联合发布了解释性技术在大语言模型(LLM)上的可用性综述,提出了「UsableXAI」的概念,并探讨了10种在大模型时代提高XAI实际应用价值的策略。论文题目:UsableXAI:10StrategiesTowardsExploitingExplainabilityin...

专利创造性评价中补充数据接受标准研究——以对“先申请制”内涵...

我国对于创造性评价中补充数据的具体接受标准应结合立法、理论、现实等因素综合审慎考虑,方可得出妥当的规则。作者|柯珂中国专利代理(香港)有限公司编辑|布鲁斯本文对专利授权确权的创造性评价中补充数据的实体接受标准进行研究,[1]即,当形式要求满足之后,对于专利申请人或专利权人提交的补充数据是否应予接受并...

从性解放到时尚高跟鞋,新研究显示女性是如何改变朝鲜的?

借鉴性别和性行为交叉性的女权主义理论,她的研究感兴趣的是从跨文化和跨学科的方法描绘社会过程的性别本质。她的研究领域包括妇女运动、妇女政策、朝鲜女性叛逃者、性工作者、暴力侵害妇女行为,特别是移民妇女问题。莱斯利·帕克悉尼科技大学兼职研究员

...一代互联网技术助力新质生产力加速形成探索人工智能的可解释性...

因此,未来人工智能研究的一个重要发展方向是研究如何让人工智能系统具有更高的可解释性,让其思考过程更透明。同时,理性是人工智能的另一重要特征。它关乎人工智能如何理性地完成任务,如何在系统中实现理性,这也涉及到人工智能的规范制定,是确保其安全性和可靠性的关键。