图15.9 特征学习过程可视化
图15.10 LSTM记忆单元可视化结果
图15.11 对句子长度敏感的LSTM记忆单元的可视化结果
图15.12 对双引号敏感的LSTM记忆单元的可视化结果
图15.13 用t-SNE映射对网络隐藏层激活值可视化
图15.18 双聚类边缘捆绑算法流程
图15.22 LIME模型实例 (Ribeiro et al., 2016a）
图15.23 解释文本分类器的实例(Ribeiro et al., 2016a）
图15.24 图像与可解读组件(Ribeiro et al., 2016b）
图15.25 解释图像分类器的实例(Ribeiro et al., 2016b）
图15.26 对Inception网络图像分类预测的解释 (Ribeiro et al., 2016a）
图15.28 深泰勒分解的计算流程 (Montavon et al., 2017)
图15.32 深泰勒分解在ImageNet数据集上的实验结果 (Montavon et al., 2017)
图15.33 树正则化应用于虚拟数据集 (Wu et al., 2017)
图15.34 树正则化应用于真实数据集 (Wu et al., 2017)
图15.35 决策树与决策模式 (Zhang et al., 2018)
图15.36 利用决策树解释CNN过程 (Zhang et al., 2018)
图15.38 Inception和SVM对比
图15.55 数据集实例
图15.56 实验结果1
图15.59 实验结果4