Explainable GeoAI: can saliency maps help interpret artificial intelligence’s learning process? An empirical study on natural feature detection
Explainable GeoAI: can saliency maps help interpret artificial intelligence’s learning process? An empirical study on natural feature detection
复制标题
可解释的 GeoAI：显着图可以帮助解释人工智能的学习过程吗？
DOI：
--
复制
发表时间：
2022
影响因子：
5.7
通讯作者：
Li, W.
中科院分区：
文献类型：
--
作者：
Hsu, C.Y.;Li, W.
登录
查看更多内容
影响因子：
2
作者：
Wenwen Li;Sizhe Wang;S. Arundel;Chia-Yu Hsu
通讯作者：
Wenwen Li;Sizhe Wang;S. Arundel;Chia-Yu Hsu
DOI：
10.1016/j.compenvurbsys.2021.101715
发表时间：
2021-11
期刊：
Comput. Environ. Urban Syst.
影响因子：
--
作者：
Sizhe Wang;Wenwen Li
通讯作者：
Sizhe Wang;Wenwen Li
DOI：
10.3390/rs13112116
发表时间：
2021
期刊：
Remote. Sens.
影响因子：
--
作者：
Chia-Yu Hsu;Wenwen Li;Sizhe Wang
通讯作者：
Chia-Yu Hsu;Wenwen Li;Sizhe Wang
GeoAI 和空间分析的未来
DOI：
10.1007/978-981-19-3816-0_17
发表时间：
2022
期刊：
New Thinking in GIScience
影响因子：
--
作者：
Li, Wenwen;Arundel, Samantha T.
通讯作者：
Arundel, Samantha T.
GeoNat v1.0：利用人工智能和监督学习进行自然特征映射的数据集
影响因子：
2.4
作者：
S. Arundel;Wenwen Li;Sizhe Wang
通讯作者：
Sizhe Wang