interpretable

本文提出了一种可解释的基于网络的框架，使用二进制概念特征表示八种语言的习语表达。社区检测显示，习语按概念图式而非语言聚类，该框架在习语检测和跨语言迁移方面优于基于嵌入的基线方法。

提出RGNet，一种基于重整化群理论的神经网络架构，用于特征空间的分层粗粒化，以解决故障诊断中的类别不平衡和噪声问题。在AI4I数据集上的实验结果表明，RGNet提供了可解释且具有竞争力的性能。