《可解释人工智能导论》全面介绍可解释人工智能的基础知识、理论方法和行业应用。全书分为三部分，共11 章。第一部分包括第1章，揭示基于数据驱动的人工智能系统决策机制，提出一种基于人机沟通交互场景的可解释人工智能范式。第二部分为第2～5 章，介绍各种可解释人工智能技术方法，包括贝叶斯方法、基于因果启发的稳定学习和反事实推理、基于与或图模型的人机协作解释、对深度神经网络的解释。第三部分为第6～10 章，分别介绍可解释人工智能在生物医疗、金融、计算机视觉、自然语言处理、推荐系统等领域的应用案例，详细说明可解释性在司法、城市管理、安防和制造等实际应用中发挥的积极作用。第11 章对全书进行总结，并论述可解释人工智能研究面临的挑战和未来发展趋势。此外，本书的附录给出可解释人工智能相关的开源资源、中英文术语对照及索引，方便读者进一步查阅。
《可解释人工智能导论》既适合高等院校计算机和信息处理相关专业的高年级本科生和研究生，以及人工智能领域的研究员和学者阅读；也适合关注人工智能应用及其社会影响力的政策制定者、法律工作者、社会科学研究人士等阅读。
目录:
推荐序
前言
作者介绍
第1章可解释人工智能概述
1.1为什么人工智能需要可解释性
1.2可解释人工智能
1.3可解释AI的历史及发展现状
1.4本书结构及阅读建议
第2章贝叶斯方法
2.1贝叶斯网络
2.2贝叶斯深度学习
2.3从贝叶斯网络到可解释的因果模型
2.4延伸阅读
2.5小结
第3章基于因果启发的稳定学习和反事实推理
3.1将因果引入机器学习的增益
3.2挖掘数据中的因果关联
3.3稳定学习
3.4反事实推理
3.5小结
第4章基于与或图模型的人机协作解释
4.1与或图模型
4.2基于与或图的多路径认知过程
4.3人机协作对齐人类认知结构和与或图模型
4.4小结
第5章对深度神经网络的解释
5.1神经网络特征可视化
5.2输入单元重要性归因
5.3博弈交互解释性理论
5.4对神经网络特征质量解构、解释和可视化
5.5对表达结构的解释
5.6可解释的神经网络
5.7小结
第6章生物医疗应用中的可解释人工智能
6.1基因编辑系统优化设计中的可解释人工智能
6.2医学影像中的可解释性
6.3小结
第7章金融应用中的可解释人工智能
7.1简介
7.2金融可解释AI的案例
7.3金融可解释AI的发展方向
7.4延伸阅读
7.5小结
第8章计算机视觉应用中的可解释人工智能
8.1背景
8.2视觉关系抽取
8.3视觉推理
8.4视觉鲁棒性
8.5视觉问答
8.6知识发现
8.7小结
第9章自然语言处理中的可解释人工智能
9.1简介.243
9.2可解释自然语言处理中的模型结构分析
9.3可解释自然语言处理中的模型行为分析
9.4自然语言处理任务中的可解释性
9.5延伸阅读
9.6小结
第10章推荐系统中的可解释人工智能
10.1简介
10.2初探可解释推荐
10.3可解释推荐的历史与背景
10.4推荐系统基础
10.5基本的推荐模型
10.6可解释的推荐模型
10.7可解释推荐的应用
10.8延伸阅读：其他可解释推荐模型
10.9小结
第11章结论
点击下载