Dynamik und adaptive Dekomposition lernender Netzwerke
Weiterentwicklung von Unsicherheitsmaßen zur Erhöhung der Transparenz und Nachvollziehbarkeit im Deep Learning und deren Anwendung auf optische Systeme
Erklärbares Maschinelles Lernen für interaktive episodische Updates von Modellen
Neue Erklärbarkeit unterstützt durch Weltmodelle zur Prädiktion beim Autonomen Fahren
Erklärbare Diagnostische KI für industrielle Daten
Entwicklung einer neuartigen lokalen kontrafaktischen Erklärungsmethode und -Schnittstelle unter Berücksichtigung kognitiver Modellierungsansätze
Erklärende KI für Komplexe Lineare Programme am Beispiel intelligenter Energiesysteme
Transparentes Tiefes Lernen mit Renormalisierten Flows
Erklärbare KI für automatisierte Produktionssysteme
KI trainieren und verstehen mit Methoden aus den kognitiven Neurowissenschaften
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.