Hoeffding Concept Bottleneck Models with Applications to Overhead Images

Modelos Hoeffding de Gargalo de Conceito (HCBM) são introduzidos para fornecer agregações não lineares e esparsas de pontuações de conceito, melhorando a explicabilidade e precisão das previsões de deep learning. Este método utiliza a decomposição funcional de Hoeffding de árvores de gradiente impulsionado para superar as limitações dos CBMs lineares existentes, que sofrem com um grande número de conceitos e possível vazamento de informações.