深度学习的可解释性研究（一）—— 让模型具备说人话的能力

深度学习的可解释性研究（二）——不如打开箱子看一看 隐层分析法

深度学习的可解释性研究（三）——是谁在撩动琴弦 敏感性分析方法 deepxplore: https://github.com/peikexin9/deepxplore tensorfuzz: https://github.com/brain-research/tensorfuzz

Visual Interpretability for Deep Learning: a Survey

“信息瓶颈”理论揭示深度学习本质

打开人工智能的黑盒子 局部线性可解释性(LIME) 反卷积(Deconvolution) Saliency Map 类激活地图(Class Activation Map) Mask的方法

A Survey of Methods for Explaining Black Box Models: 什么是可解释性、基于解释的分类、解决模型解释问题、解决结果解释问题