B
Bac Le
H指数:29
被引数:3,328
个人简介
暂无内容
教育背景
暂无内容
工作经历
暂无内容
荣誉奖项
暂无内容
U-NetL2O:低剂量CT图像重建的可解释模型
Applied Intelligence
IF3.5
学习具有曲率感知的多模态表示与双复数嵌入
通过临床有效性增强提升医学数据中稀有类别的预测
CIGMA:一种通过反事实训练数据归因解释跨度级神经NLP预测的框架
双策略引导的多跳路径推理用于可解释的知识图谱推荐
深度神经网络在对抗性攻击下的可解释性防御策略
黑箱两阶段对抗攻击:寻找重要区域并减少L2损失
融合全局注意力与自注意力,以提升表格数据上的性能与可解释性
增强反事实解释与因果推断:整合DirectLiNGAM和变分自编码器进行约束感知生成
Applied Intelligence
IF3.5
FRIC:一种用于跨度级NLP中特征重要性解释与评估的框架
EGNet:具有相似性解释的用于药物推荐的图神经网络
Applied Intelligence
IF3.5
使用多标签mixup的图数据增强
TEAM: 一种拓扑演化感知的交通预测框架
基于因果关系回放的类增量学习

