ResNet-20 表征瓶颈数据

本数据集旨在评估基于VGG-16架构的图像分类模型在CIFAR-10数据集上的表征瓶颈。数据集的构建基于“多阶双变元交互”可解释性理论，通过衡量中阶双变元交互强度和极低阶双变元交互强度的比例，以及中阶双变元交互强度和极高阶双变元交互强度的比例，来量化模型表征瓶颈的程度。我们选取了在CIFAR-10数据集上训练好的VGG-16模型，并从其训练集中随机选取了10个类别、每类2张共20张图片作为测试样本。为了确保结果的稳定性，我们进行了三组不同随机种子的独立实验。每个样本的数据均包含通过“多阶双变元交互”算法计算得到的各阶双变元交互的效用值。通过本数据集，用户可以复现我们提出的交互复杂度瓶颈指标（p_1<1且p_2<1视为通过测试），为可解释人工智能领域中图像分类模型的表征瓶颈评估提供了标准化的基础数据资源。