解释的人工智能（XAI）被视为制作AI系统更少黑匣子的解决方案。必须确保透明度，公平和问责制，这在金融部门特别倾向于普及。本研究的目的是初步调查监管机构和监管实体有关Xai在五公园部门的申请方面的观点。在荷兰的三家银行和两个监督当局在三家银行和两个监督当局使用半结构化访谈，检查了三种用例（消费者信贷，信用风险和反洗钱）。我们发现，对于调查的用例，监督机构和银行之间存在关于AI系统解释性的所需范围的差异。我们认为，金融部门可以从技术AI（型号）以外的可明确要求之间的明确差异中受益于更广泛的AI系统与适用法律法规的明确差异化。
translated by 谷歌翻译
在本文中，我们使用深度学习模型研究了Charon的陨石坑的大小分布。这是由Singer等人最近的结果动机。 （2019年）使用手动编目发现，直径小于12 km的陨石坑的尺寸分布斜率发生了变化，转化为小柯伊伯带对象的稀少。罗宾斯和歌手（2021）证实了这些结果，但莫比德利等人反对。 （2021），需要进行独立审查。我们基于MaskRCNN的模型合奏经过了Lunar，Mercurian和Martian火山口目录以及光学和数字高程图像的培训。我们使用强大的图像增强方案来迫使模型概括并转移到冰冷的对象中。对于小于10 km的陨石坑，我们的模型没有先前的偏见或接触Charon，因此我们的模型找到了Q = -1.47+-0.33的最佳拟合斜率，而大于15 km的火山口则发现Q = -2.91+-0.51。这些值表明，如Singer等人所建议的那样，斜率明显变化。 （2019年），因此独立确认了他们的结论。然而，我们的斜坡都比Robbins和Singer（2021）最近发现的斜坡稍微更平坦。我们训练有素的模型和相关代码可在github.com/malidib/acid上在线获得。
translated by 谷歌翻译
电子商务提供丰富的多模式数据，几乎没有在实践中杠杆。此数据的一个方面是用于搜索和推荐的类别树。然而，在实践中，在用户会话期间，在给定类别的文本和视觉表示之间通常存在不匹配。出现问题的激励，我们介绍了电子商务类别到图像检索的任务，并提出了任务的模型，剪辑ITA。该模型利用来自多个模式（文本，视觉和属性模态）的信息来创建产品表示。我们探索如何从多种模式（文本，视觉和属性模态）中添加信息影响模型的性能。特别是，我们观察到剪辑ITA显着优于一种可比模型，该模型仅利用可视模式和利用视觉和属性模态的可比模型。
translated by 谷歌翻译