模型驱动的可解释深度学习

    针对深度学习网络结构难以解释的难题，通过将模型求解算法与网络结构建立严格对应，构建了“白箱化”的新型深度学习可解释性方法。代表性第一作者论文发表于人工智能顶刊TPAMI 2020，该论文在审稿过程得到全体审稿人的高分评价，被评述为“可为领域带来新鲜空气”。同时，论文也得到资深同行的高度评价。例如：IEEE Fellow, 法国格勒诺布尔大学Jocelyn Chanussot教授在论文中评述所提方法“同时超越了基于模型驱动与深度学习的最优方法，代表了处理此类问题的最佳方式”。