Extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden

La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Negro, Pablo Ariel, Pons, Claudia Fabiana
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Informáticas
Deep Learning
Extracción de reglas
Inteligencia Artificial
Lógica
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/165925
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-165925
record_format dspace
spelling I19-R120-10915-1659252024-05-10T20:05:08Z http://sedici.unlp.edu.ar/handle/10915/165925 Extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden Rule extraction in trained feedforward neural networks with first-order logic Negro, Pablo Ariel Pons, Claudia Fabiana 2023-09 2023 2024-05-10T18:29:59Z es Ciencias Informáticas Deep Learning Extracción de reglas Inteligencia Artificial Lógica La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feedforward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (LPO). The need for neural-symbolic integration becomes evident as more complex problems are addressed, and that go beyond limited domain tasks such as classification. The search methods for extracting rules from neural networks work by sending input data combinations that activate a set of neurons. By properly ordering the input weights of a neuron, it is possible to narrow the search space. Based on this observation, this paper aims to present a method to extract the rule pattern learned by a feedforward trained neural network, analyze its properties and explain these patterns through the use of first-order logic (FOL). Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 7-24
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Deep Learning
Extracción de reglas
Inteligencia Artificial
Lógica
spellingShingle Ciencias Informáticas
Deep Learning
Extracción de reglas
Inteligencia Artificial
Lógica
Negro, Pablo Ariel
Pons, Claudia Fabiana
Extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden
topic_facet Ciencias Informáticas
Deep Learning
Extracción de reglas
Inteligencia Artificial
Lógica
description La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feedforward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (LPO).
format Objeto de conferencia
Objeto de conferencia
author Negro, Pablo Ariel
Pons, Claudia Fabiana
author_facet Negro, Pablo Ariel
Pons, Claudia Fabiana
author_sort Negro, Pablo Ariel
title Extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden
title_short Extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden
title_full Extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden
title_fullStr Extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden
title_full_unstemmed Extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden
title_sort extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/165925
work_keys_str_mv AT negropabloariel extracciondereglasenredesneuronalesfeedforwardentrenadasconlogicadeprimerorden
AT ponsclaudiafabiana extracciondereglasenredesneuronalesfeedforwardentrenadasconlogicadeprimerorden
AT negropabloariel ruleextractionintrainedfeedforwardneuralnetworkswithfirstorderlogic
AT ponsclaudiafabiana ruleextractionintrainedfeedforwardneuralnetworkswithfirstorderlogic
_version_ 1807223105917026304

Ejemplares similares