interpretable-learning

iFuzz-Meta 是一个可解释的模糊学习框架，它结合自上而下的知识集成与自下而上的数据驱动适应，以增强神经模型的透明度和泛化能力。

本文提出了Top-NMF框架，该框架通过持久同调引入拓扑正则化到非负矩阵分解中，以学习可解释且结构一致的基，适用于空间一致的图像组件、周期性时间序列结构和团状图信号。