- Author
- Markowska-Kaczmar Urszula (Politechnika Wrocławska), Zyśko Szymon (Politechnika Wrocławska)
- Title
- Interpretacja symboliczna wiedzy z sieci neuronowej
- Source
- Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 1999, nr 815, s. 61-69, rys., tab., bibliogr. 12 poz.
- Issue title
- Pozyskiwanie wiedzy z baz danych
- Keyword
- Wiedza, Sieci neuronowe, Materiały konferencyjne
Knowledge, Neural networks, Conference materials - Abstract
- Reguły wygenerowane na bazie sieci neuronowej mają w przybliżeniu tę samą dokładność, co sieć, z której powstały. Potwierdza to skuteczność i adekwatność algorytmu w zastosowaniach wyjaśniania ekspertyzy przeprowadzonej przez sieć. Ponieważ jednak działanie sieci jest znacznie szybsze od przetwarzania reguł, rozsądne wydaje się stosowanie tego algorytmu tylko na wyraźne życzenia użytkownika wyjaśnienia ekspertyzy wykonanej przez sieć. Natomiast standardowe działanie systemu ekspertowego powinno opierać się na sieci z racji znacznie szybszego jej działania. Przedstawiony algorytm wraz z sieciami KBNN może być stosowany również w celu rozszerzenia bazy wiedzy w istniejącym już systemie ekspertowym. Dzięki działaniu tego algorytmu i jego podobnym możliwe będzie zastosowanie na szerszą skalę neuronowych systemów ekspertowych w dziedzinach, w których nie miały do tej pory zastosowania z racji nikłej wyjaśnialności ekspertyz.
Wiele metod ekstrakcji reguł jest zaprojektowanych dla problemów o wartościach dyskretnych. Większość problemów ma cechy o wartościach zarówno rzeczywistych, jak i dyskretnych. Algorytm SUBSER sprawdza się doskonale w generowaniu reguł dla problemów o dyskretnym wejściu i wyjściu. W przypadku wejść ciągłych problemem jest znalezienie algorytmu podziału zakresu zmienności dla zmiennych o wartościach ciągłych, co jak na razie utrudnia zastosowanie tego typu algorytmu dla takich przypadków. W przyszłości zostaną podjęte dalsze badania w kierunku poszukiwania lepszych algorytmów dyskretyzacji wejścia ciągłego, poszukiwania przedziałów, np. przez zastosowanie algorytmu genetycznego. (fragment tekstu) - Accessibility
- The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics - Bibliography
-
- Craven M.: Extracting Comprehensible Models from Trained Neural Networks. PhD thesis, University of Wisconsin-Madison, 1996.
- Levis A.P.: Inferencing and Training In a Development Environment for Table Based Expert Networks. The Florida State University Collage of Arts and Science Master Thesis, 1995.
- LiMin Fu.: Knowledge-Based Connectionism for Revising Domain Theories. IEEE Transactions on Systems, Man and Cybebernetics, vol. 23, No. 1. January/Febrauary 1993.
- LiMin Fu.: Rule Generation from Neural Network IEEE Transactions on Systems, Man and Cybebernetics, vol. 24, No. 8. August 1994.
- Markowska-Kaczmar U.: Wykorzystanie sieci neuronowych w procesie pozyskiwania wiedzy. Materiały konferencyjne konferencji Pozyskiwanie Wiedzy z Baz Danych organizowanej przez Akademię Ekonomiczną we Wrocławiu. Rzeczka 1998.
- Medsker L.R.: Hybrid Intelligent Systems. Kluwer Akademie Lublishers, Boston/Dord- Recht/London,1995.
- Mitchell T.M.: Machine Learning. Mc Graw-Hill Companies, Inc, 1997.
- Opitz D.W., Shavlik J.: Dynamically Adding Symbolically Meaningful Nodes To Knowledge Base Neural Networks. Knowledge _ Based Systems, 8(6), 1995.
- Setiono R., Liu H.: Understanding Neural Networks via Rule Extraction. Proceedings of Fourteenth International Joint Conference on Artificial Intelligence, Montreal, Quebec, Morgan Kaufman.
- Thrun S.: Extracting Rules from Artificial Neural Networks with Distributed Representation. Proceedings of the Eleventh International Conference on Machine Learning, New Brunswick, NJ. Morgan Kaufamn.
- Towell G.G., Shavlik J.: Extracting Refined Rules from Knowledge Based Neural Networks. "Machine Learning" 13(1)/1993.
- Towell G.G., Shavlik J.: Knowledge-Based Artificial Neural Network. "Artificial Intelligence" 70 (1,2)/1994.
- Cited by
- ISSN
- 0324-8445
- Language
- pol
