論文の概要: LENs: a Python library for Logic Explained Networks

• arxiv url: http://arxiv.org/abs/2105.11697v1
• Date: Tue, 25 May 2021 06:41:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-27 01:41:41.844647
• Title: LENs: a Python library for Logic Explained Networks
• Title（参考訳）: LENs: Logic Explained Networks用のPythonライブラリ
• Authors: Pietro Barbiero, Gabriele Ciravegna, Dobrik Georgiev, Franscesco Giannini
• Abstract要約: LENsは、ニューラルネットワークからロジック説明を提供するために、さまざまな最先端のアプローチを統合するPythonモジュールである。 LENはApache 2.0ライセンスの下で配布されており、学術的および商業的な使用が可能である。
• 参考スコア（独自算出の注目度）: 2.064612766965483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LENs is a Python module integrating a variety of state-of-the-art approaches to provide logic explanations from neural networks. This package focuses on bringing these methods to non-specialists. It has minimal dependencies and it is distributed under the Apache 2.0 licence allowing both academic and commercial use. Source code and documentation can be downloaded from the github repository: https://github.com/pietrobarbiero/logic_explainer_networks.
• Abstract（参考訳）: LENsは、ニューラルネットワークからロジック説明を提供するために、さまざまな最先端のアプローチを統合するPythonモジュールである。 このパッケージは、これらのメソッドを非専門家に提供することに焦点を当てている。 最小限の依存関係を持ち、アカデミックと商用の両方で使用可能なapache 2.0ライセンス下で配布されている。 ソースコードとドキュメントはgithubリポジトリからダウンロードできる。 https://github.com/pietrobarbiero/logic_explainer_networks。

関連論文リスト

• pyvene: A Library for Understanding and Improving PyTorch Models via Interventions [79.72930339711478]
  $textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。 私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
  論文  参考訳（メタデータ） (2024-03-12T16:46:54Z)
• Causal-learn: Causal Discovery in Python [53.17423883919072]
  因果発見は、観測データから因果関係を明らかにすることを目的としている。 $textitcausal-learn$は因果発見のためのオープンソースのPythonライブラリである。
  論文  参考訳（メタデータ） (2023-07-31T05:00:35Z)
• PyTorch Adapt [37.03614011735927]
  PyTorch Adaptはドメイン適応のためのライブラリである。 ドメイン適応(Domain adapt)は、既存のモデルを新しいドメインで動作させる機械学習アルゴリズムの一種である。 完全に機能したツールキットで、数行のコードで完全なトレイン/テストパイプラインを作成できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:09Z)
• Continual Inference: A Library for Efficient Online Inference with Deep Neural Networks in PyTorch [97.03321382630975]
  Continual Inferenceは、PyTorchでContinuous Inference Networks(CIN)を実装するPythonライブラリである。 我々は、CINとその実装を包括的に紹介し、現代のディープラーニングのための複雑なモジュールを構成するためのベストプラクティスとコード例を提供します。
  論文  参考訳（メタデータ） (2022-04-07T13:03:09Z)
• PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
  PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
  論文  参考訳（メタデータ） (2022-01-12T07:32:36Z)
• IMBENS: Ensemble Class-imbalanced Learning in Python [26.007498723608155]
  imbensはオープンソースのPythonツールボックスで、クラス不均衡なデータに対してアンサンブル学習アルゴリズムを実装し、デプロイする。 imbensはMITオープンソースライセンスでリリースされており、Python Package Index (PyPI)からインストールすることができる。
  論文  参考訳（メタデータ） (2021-11-24T20:14:20Z)
• TensorX: Extensible API for Neural Network Model Design and Deployment [0.0]
  TensorFlowXは、計算における複雑なニューラルネットワークモデルのプロトタイピング、設計、デプロイのためのPythonライブラリである。 使いやすさ、パフォーマンス、APIの一貫性に特に重点を置いています。
  論文  参考訳（メタデータ） (2020-12-29T00:15:38Z)
• mvlearn: Multiview Machine Learning in Python [103.55817158943866]
  mvlearnは、主要なマルチビュー機械学習メソッドを実装するPythonライブラリである。 パッケージはPython Package Index(PyPI)とcondaパッケージマネージャからインストールできる。
  論文  参考訳（メタデータ） (2020-05-25T02:35:35Z)
• On the distance between two neural networks and the stability of learning [59.62047284234815]
  本稿では, パラメータ距離と勾配分解を, 幅広い非線形構成関数のクラスに関連付ける。 この分析により、ニューラルネットワークの深い相対信頼と降下補題と呼ばれる新しい距離関数が導かれる。
  論文  参考訳（メタデータ） (2020-02-09T19:18:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。