热点事件持续更新
MCIR：依赖感知特征重要性方法
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布论文，研究者提出一种具备可靠性保证的特征依赖感知可解释性方法 MCIR-M。该方法通过互相关影响比率（MCIR）将每个特征在强依赖邻居条件下归一化，使得分落在 [0,1] 区间，在精确条件冗余时为零。论文报告称，该方法在合成冗余实验和 UCI HAR 基准上展现出依赖感知的排序行为，在注入近重复预测变量时优势最明显。论文已被 TMLR 接收。目前尚无后续报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月3日 12:00
MCIR-M 论文发布，提出依赖感知特征重要性方法，已被 TMLR 接收。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）MCIR：一种具备可靠性保证的特征依赖感知可解释性方法
研究者提出依赖感知的全局特征重要性方法 MCIR-M，通过互相关影响比率（MCIR）将每个特征在强依赖邻居条件下归一化，得分落在 [0,1] 区间，在精确条件冗余时为零。该方法在合成冗余实验和 UCI HAR 基准上展现出依赖感知的排序行为，在注入近重复预测变量时优势最明显。论文已被 TMLR 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。