Помимо показателей измерения: ориентированная на человека основа для семантической проверки классификации дорожного движения сети

arXiv:2609.17014v1 Annualce Type: кросс-бюллетень: Машинное обучение (ML) стал доминирующим подходом для классификации движения сетей, достигая очень высоких показателей прогнозирования. Однако модель ценна только в том случае, если она учится семантически значимым и заслуживающим доверия моделям вместо использования подложных корреляций. Обычная практика оценки в основном позволяет оценить прогнозную эффективность. Следовательно, остается неизвестным вопрос о том, опирается ли модель на семантически значимые модели. Для решения этих проблем мы адаптируем систему накопления знаний для классификации сетевых перевозок. Адаптированная система сочетает данные, модели ML, объяснимость, визуализацию и экспертную аргументацию в поддержку итеративного исследования, проверки и уточнения поведения моделей и предварительной обработки данных. Основой для этой системы служат выводы из литературы, анализ набора исходных данных, практический опыт в области классификации транспортных потоков на основе XAI и экспертные отзывы, обеспечивающие practti