Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales

Las redes neuronales tienen la capacidad de alcanzar altos niveles de precisión en tareas de clasificación, pero su falta de explicabilidad es un claro inconveniente y lleva a denominarlas “cajas negras”. En este artículo, se presenta una modificación del algoritmo RxREN que se centra en la explicab...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Jacinto, MIlagros Aylén, Moschettoni, Martín, Pons, Claudia Fabiana, Pérez, Gabriela Alejandra
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Informáticas
Fidelidad
Redes Neuronales Artificiales
Inteligencia Artificial Explicable
XIA
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/166459
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-166459
record_format dspace
spelling I19-R120-10915-1664592024-05-28T20:07:29Z http://sedici.unlp.edu.ar/handle/10915/166459 Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales Fidelity Focused Variant of a rule extraction algorithm in artificial neural networks Jacinto, MIlagros Aylén Moschettoni, Martín Pons, Claudia Fabiana Pérez, Gabriela Alejandra 2023-09 2023 2024-05-28T13:19:08Z es Ciencias Informáticas Fidelidad Redes Neuronales Artificiales Inteligencia Artificial Explicable XIA Las redes neuronales tienen la capacidad de alcanzar altos niveles de precisión en tareas de clasificación, pero su falta de explicabilidad es un claro inconveniente y lleva a denominarlas “cajas negras”. En este artículo, se presenta una modificación del algoritmo RxREN que se centra en la explicabilidad de las redes neuronales generando reglas precisas y fácilmente interpretables. El objetivo de esta modificación es comprender el proceso de decisión de la red neuronal, y para lograrlo, se analiza la relación entre el nivel de abstracción y su fidelidad. Se implementó un algoritmo con tres configuraciones en dos problemas distintos (Iris, WBC) Se analizó cómo el nivel de abstracción de las reglas afecta su fidelidad, buscando reglas precisas y evaluando el impacto del nivel de abstracción. En conclusión, este estudio tiene por objetivo mejorar significativamente la fidelidad de las reglas generadas por el algoritmo, permitiendo a los usuarios entender mejor el proceso de clasificación y además destacar la importancia de considerar el nivel de abstracción al extraer reglas interpretables y fieles. Neural networks have the ability to achieve high levels of accuracy in classification tasks, but their lack of explainability is a clear drawback and leads to call them ”black boxes”. In this paper, we present a modification of the RxREN algorithm that focuses on the explainability of neural networks by generating accurate and easily interpretable rules. The objective of this modification is to understand the neural network decision process, and for this purpose, the relationship between the level of abstraction and its fidelity is analyzed. An algorithm with three configurations was implemented in two different problems (Iris, WBC). It was analyzed how the abstraction level of the rules affects their fidelity, searching for accurate rules and evaluating the impact of the abstraction level. In conclusion, this study aims to significantly improve the fidelity of the rules generated by the algorithm, allowing users to better understand the classification process and also it is intended to highlight the importance of considering the level of abstraction when extracting interpretable and faithful rules. 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 43-58
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Fidelidad
Redes Neuronales Artificiales
Inteligencia Artificial Explicable
XIA
spellingShingle Ciencias Informáticas
Fidelidad
Redes Neuronales Artificiales
Inteligencia Artificial Explicable
XIA
Jacinto, MIlagros Aylén
Moschettoni, Martín
Pons, Claudia Fabiana
Pérez, Gabriela Alejandra
Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales
topic_facet Ciencias Informáticas
Fidelidad
Redes Neuronales Artificiales
Inteligencia Artificial Explicable
XIA
description Las redes neuronales tienen la capacidad de alcanzar altos niveles de precisión en tareas de clasificación, pero su falta de explicabilidad es un claro inconveniente y lleva a denominarlas “cajas negras”. En este artículo, se presenta una modificación del algoritmo RxREN que se centra en la explicabilidad de las redes neuronales generando reglas precisas y fácilmente interpretables. El objetivo de esta modificación es comprender el proceso de decisión de la red neuronal, y para lograrlo, se analiza la relación entre el nivel de abstracción y su fidelidad. Se implementó un algoritmo con tres configuraciones en dos problemas distintos (Iris, WBC) Se analizó cómo el nivel de abstracción de las reglas afecta su fidelidad, buscando reglas precisas y evaluando el impacto del nivel de abstracción. En conclusión, este estudio tiene por objetivo mejorar significativamente la fidelidad de las reglas generadas por el algoritmo, permitiendo a los usuarios entender mejor el proceso de clasificación y además destacar la importancia de considerar el nivel de abstracción al extraer reglas interpretables y fieles.
format Objeto de conferencia
Objeto de conferencia
author Jacinto, MIlagros Aylén
Moschettoni, Martín
Pons, Claudia Fabiana
Pérez, Gabriela Alejandra
author_facet Jacinto, MIlagros Aylén
Moschettoni, Martín
Pons, Claudia Fabiana
Pérez, Gabriela Alejandra
author_sort Jacinto, MIlagros Aylén
title Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales
title_short Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales
title_full Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales
title_fullStr Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales
title_full_unstemmed Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales
title_sort variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/166459
work_keys_str_mv AT jacintomilagrosaylen varianteenfocadaenfidelidaddeunalgoritmodeextracciondereglasenredesneuronalesartificiales
AT moschettonimartin varianteenfocadaenfidelidaddeunalgoritmodeextracciondereglasenredesneuronalesartificiales
AT ponsclaudiafabiana varianteenfocadaenfidelidaddeunalgoritmodeextracciondereglasenredesneuronalesartificiales
AT perezgabrielaalejandra varianteenfocadaenfidelidaddeunalgoritmodeextracciondereglasenredesneuronalesartificiales
AT jacintomilagrosaylen fidelityfocusedvariantofaruleextractionalgorithminartificialneuralnetworks
AT moschettonimartin fidelityfocusedvariantofaruleextractionalgorithminartificialneuralnetworks
AT ponsclaudiafabiana fidelityfocusedvariantofaruleextractionalgorithminartificialneuralnetworks
AT perezgabrielaalejandra fidelityfocusedvariantofaruleextractionalgorithminartificialneuralnetworks
_version_ 1807223109541953536

Ejemplares similares