STRESZCZENIE

Sztuczna Inteligencja jest obecnie jedną z najszybciej rozwijających się dyscyplin, która może pozwolić na automatyzację i wsparcie wielu dziedzin życia społecznego. Obecnie największą barierą powstrzymującą zastosowanie modeli AI jest ich złożona architektura, która powoduje efekt czarnej skrzynki – nie jest jasne w jakie cechy przyczyniły się do danej decyzji modelu. W związku z powyższym dąży się do opracowania i wdrożenia metod umożliwiających wyjaśnienie działania modeli AI, w szczególności głębokich sieci neuronowych.

W pracy przedstawiono propozycję wyjaśnienia procesu podejmowania decyzji przez konwolucyjną sieć neuronową na podstawie analizy wizualnej tzw. wyników pośrednich w procesie przetwarzania obrazu wejściowego danego modelu . Pozwala to na zrozumienie cech wpływających na podjęcie decyzji oraz na interpretację poszczególnych elementów sieci ze względu na rolę jaka pełnią podczas powierzonego jej zadania. Analiza została przeprowadzona w aplikacji VisNow przy pomocy specjalnie przygotowanych narzędzi.

Artificial Intelligence is one of the most dynamically developing disciplines, which may help to automate and improve many areas of social life. Currently, the greatest obstacle restraining the use of AI is its complex architecture, which leads to it becoming a black-box model – it is not clear which of the features contributed to the model’s decision. Therefore, it is vital to develop and implement methods that help to explain the decisions of AI models, especially deep neural networks.

A method to explain the decision-making process of the convolutional neural network is proposed in the following thesis. It is based on visual analysis of so-called intermediate results obtained while an input image is being processed by a given model. It helps to understand the features important for the decision-making process and to interpret each of the neural network elements’ roles in the whole process. The analysis has been performed in VisNow software with specially designed tools.

  • Integracja platformy VisNow z systemem XR do przestrzennej wizualizacji danych

    Integracja platformy VisNow z systemem XR do przestrzennej wizualizacji danych

    Celem pracy było opracowanie architektury i prototypu systemu integrującego platformę VisNow z rzeczywistością mieszaną (ang. Mixed Reality), umożliwiającego wyświetlanie i interakcję z trójwymiarowymi modelami naukowymi przy użyciu zestawu XR (Meta Quest 3). Projekt zakładał…

  • Clustering-based algorithm for weather radar data filtration

    Clustering-based algorithm for weather radar data filtration

    This study presents the development and evaluation of an algorithm designed to filter noise from the weather radar reflectivity data. The algorithm was tested on composite radar products from the POLRAD network…

  • Sprawdzalność modelu JULES dla temperatur gleby Polski

    Sprawdzalność modelu JULES dla temperatur gleby Polski

    Praca ta ma celu sprawdzenie zgodności (lub też jej braku) danych pomiarowych temperatury gleby z danymi modelowymi – wygenerowanymi za pomocą modelu JULES. Odbędzie się to za pomocą porównania temperatur gleby na kilku głębokościach. Temperatura gleby ma istotne…