Geri Dön

Comparative analysis of explanatory methods in explainable artificial intelligence: An assessment of robustness, error, and efficiency

Açıklanabilir Yapay Zeka'da açıklayıcı yöntemlerin karşılaştırmalı analizi: Dayanıklılık, hata ve verimlilik değerlendirmesi

  1. Tez No: 875867
  2. Yazar: BEYZA AYDOĞAN
  3. Danışmanlar: DOÇ. DR. TEVFİK AYTEKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 67

Özet

Açıklanabilir Yapay Zeka (XAI) alanında, modellerin karar alma süreçlerini anlamak ve bu süreçleri insanlar için anlaşılır hale getirmek hayati önem taşır. Bu nedenle, farklı açıklama metodolojilerini değerlendirmek için çeşitli metriklerin kullanılması kritik bir rol oynar. Bu çalışmanın amacı, çeşitli metrikler kullanarak XAI metodolojilerinin kapsamlı bir karşılaştırmasını yapmaktır. Çalışma, KernelExplainer ve SamplingExplainer metodlarına odaklanarak, bu metodların sağlamlığı, hata oranları ve çalışma zamanı verimliliği üzerinde derinlemesine bir değerlendirme yapmayı hedeflemiştir. Değerlendirme başlangıçta KernelExplainer metoduna odaklanarak, örneklem mekanizmasına küçük değişiklikler yapılmasını içermiştir. Bu değişiklikler arasında örnek sayısındaki değişiklikler, seçim stratejisi (özelliklere göre rastgele karşı tabakalı örnekleme), örneklerin doğrusal modeldeki ağırlığı (eşit ağırlıklandırma karşısında makale-formülüne dayalı ağırlıklandırma) ve özellik önem değerlerine dayalı örnekleme yoğunluğunun ayarlanmasının etkisi yer almıştır. KernelExplainer üzerine yoğunlaşan analizlerin ardından, KernelExplainer ve SamplingExplainer arasında kapsamlı bir karşılaştırmalı değerlendirme yapılmıştır. Bu inceleme, örnek büyüklüğündeki değişikliklerin her bir açıklayıcı performansını sağlamlık, hata ve çalışma zamanı açısından bağımsız olarak nasıl etkilediğine dair derinlemesine bir araştırma içermiştir. Karşılaştırmalı analizler, farklı veri setleri üzerinden uygulanmış ve değerlendirilmiştir. Bu araştırma, her bir açıklama metodunun işlem verimlilikleri ve potansiyel eksiklikleri üzerine ışık tutmayı ve bu şekilde, açıklanabilir yapay zeka alanındaki çeşitli analitik ihtiyaçları karşılamak için uygun açıklama mekanizmalarının seçimini yönlendirmeyi amaçlamıştır.

Özet (Çeviri)

In the field of Explainable Artificial Intelligence (XAI), it is crucial to understand the decision-making processes of models and to make these processes comprehensible to humans. Therefore, utilizing various metrics to evaluate the different explanatory methodologies plays a critical role. The objective of this study is to conduct a comprehensive comparison of XAI methodologies by utilizing various metrics. It is embarked on an in-depth evaluation of KernelExplainer and SamplingExplainer methods, focusing on their robustness, error, and running time efficiency. Initially, the evaluation centered on the KernelExplainer method, introducing minor modifications to its sampling mechanism. These modifications included variations in the number of samples, the selection strategy (random versus stratified sampling across features), the weighting of the samples in the linear model (equal weighting versus paper-formula-based weighting), and the impact of adjusting sampling intensity based on feature importance values. Following a focused analysis on KernelExplainer, a comprehensive comparative evaluation between KernelExplainer and SamplingExplainer are conducted. This examination delved into how sample size variations independently influenced each explainer's performance in terms of robustness, error, and running time. The comparative analyses are applied and evaluated across different datasets. This research aimed to shed light on the operational efficiencies and potential drawbacks of each explanatory method through a comparative approach. Thus, it guided the selection of suitable explanation mechanisms to meet the diverse analytical needs in the field of explainable artificial intelligence.

Benzer Tezler

  1. Advancing software defect prediction through ensemble Xai methods: Insights and performance evaluation

    Entegre Xai yöntemleri ̇ile yazılım hata tahmininin geliştirilmesi: Analizler ve performans değerlendirmesi

    BAHAR GEZİCİ GEZİCİ

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYÇA KOLUKISA

  2. Açıklanabilir yapay öğrenme algoritmaları ile Adana ili taşkın duyarlılık haritalarının üretimi

    Production of flood susceptibility maps for Adana province using explainable machine learning

    HALİT ENES AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Jeodezi ve FotogrametriMersin Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUZAFFER CAN İBAN

  3. Para politikası ve döviz piyasası baskısı: Karşılaştırmalı bir uygulama

    Monetary policy and exchange market pressure: A comparative application

    AHMET EKREM KAYA

    Doktora

    Türkçe

    Türkçe

    2021

    EkonomiGebze Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    DOÇ. DR. MESUT KARAKAŞ

  4. Bazı küfeki taşlarının fiziksel ve mekanik özelliklerinin karşılaştırmalı olarak incelenmesi

    Comparative analysis of the physical and mechanical properties of some khufeki stones

    EMİNE MERVE ÇAPAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. MUSTAFA ERKAN KARAGÜLER

  5. Doğu Anadolu Bölgesinde yeme bağımlılığı ile kişisel iyi oluş ilişkisinin incelenmesi

    Analysis of eating dependency and personal well-being in Eastern Anatolia Region

    BEDRİYE EGE

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Gastronomi ve Mutfak SanatlarıÜsküdar Üniversitesi

    Klinik Psikoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN ÜNÜBOL