interpretable-machine-learning

QDSP 是一种可解释的结构化学习框架，用于预测极低出生体重婴儿的死亡或脑瘫，集成了配额引导子空间采样和可微决策引导结构感知。在一个真实队列和外部数据集上，它优于 XGBoost、TabNet 和 TabPFN 等基线模型，并识别了临床相关的预测因素，如 cPVL 和出生体重。

PRAXIS是一种新算法，能够高效近似接近最优决策树的罗生门集合，在运行时间和内存使用上实现数量级的改进，同时保持近乎完美的召回率。

本文提出一种经济高效的无人机检测与分类系统，利用有理高斯小波神经网络处理声音信号，实现对单个及多个无人机（包括集群）的可解释且稳健的性能，优于传统方法。