.png){kind=icon}
返回
An interpretable multi-task TabNet framework for predicting multidimensional railway accident severity
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2026.113522.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 开发了用于多维铁路事故严重性预测的可解释多任务TabNet框架。
• 引入基于TVAE的数据增强方法，以增强不平衡表格数据中代表性不足的联合结果模式。
• 提出了一种基于掩码感知的梯度投影策略，以缓解共享特征路由中的任务冲突。
• 结合TabNet顺序掩码和SHAP归因，提供互补的模型可解释性。
Keyword:
Railway safety
Accident severity prediction
Multi-task learning
TabNet
Explainable artificial intelligence (XAI)
期刊
R
IF:
11
论文数:
1.0K
被引数:
0
机构
引用论文
暂无论文信息