rule extraction | BriefGPT - AI 论文速递

关键词rule extraction

搜索结果 - 10

通过自动化和模型无关的规则提取实现区域可解释性
在可解释人工智能（Explainable AI）中，我们提出了一种模型无关的方法，用于从特定的数据子组中提取规则。该方法通过自动生成数字特征规则，增强了机器学习模型的区域可解释性，并在高维空间中降低了计算成本。在各种数据集和模型的实验中，我
PDF11 days ago
从循环神经网络进行的各种符号规则提取方法的稳定性分析
通过分析量化和等价查询两种竞争的规则提取方法，我们发现基于量化的 O2RNN 规则提取方法在性能和稳定性方面优于其他方法。
PDF5 months ago
基于深度神经网络的入侵检测系统的可解释性的多元规则提取
该研究论文探讨了黑盒算法和替代解释器在可解释入侵检测系统（X-IDS）中引发的信任问题。通过将教学法和分解法综合应用于课程，该文介绍了一种混合的规则提取算法，从隐藏层中提取出可信任的规则集，用于黑盒深度神经网络（DNN）的解释。评估结果表明
PDF6 months ago
前馈神经网络中的规则提取方法：系统性文献综述
通过系统性文献综述，本文着重于规则提取作为神经网络可解释性的手段，发现了二十多年来使用于浅层神经网络的各种规则提取方法，并对深度学习模型提出的挑战进行了探索，为对这一领域感兴趣的研究人员提供了全面的介绍。
PDF7 months ago
FIRE：一种优化方法用于快速可解释规则提取
该论文提出了 FIRE (快速可解释规则提取) 算法，通过优化框架从树集成模型中提取出易于理解的、稀疏的代表性决策规则集合，同时鼓励规则融合以提高模型可解释性，算法通过特殊优化器可实现 40 倍于现有优化器的性能。实验表明，该方法在构建稀疏
PDFa year ago
从神经网络中提取规则列表的 NN2Rules 方法
本文介绍了一种名为 NN2Rules 的算法，用于将经过训练的神经网络转换成规则列表。通过该方法提取的决策规则与神经元行为类型（如 sigmoid 激活函数或 ReLU 函数）无关，且提取出的规则对任意输入都有与原神经网络相同的预测准确性。
PDF2 years ago
高维分类问题的集成特征选择和规则提取的自适应神经模糊系统
提出了一种可处理维度高达 7000 以上的神经模糊系统 AdaTSK，其中引入了一种自适应 softmin 算法，以有效地克服现有模糊系统在处理高维问题时出现的问题，并可在集成的 FSRE-AdaTSK 系统中进行特征选择和规则提取。
PDF2 years ago
深度神经网络的高效分解规则提取
本篇论文提出了一种新的基于多项式时间复杂度的规则提取算法 ECLAIRE，该算法适用于大型 DNN 架构和大型训练数据集，并在乳腺癌预后和粒子探测等任务上表现出超过现有技术的准确性和可理解性。
PDF3 years ago
递归神经网络规则提取的比较研究
本研究旨在探讨不同复杂度的 Tomita 文法上，从常用的循环神经网络中提取确定有限状态自动机的性能表现。研究结果表明，随着底层文法复杂度的提高，大多数循环神经网络的提取性能逐渐降低。
PDF6 years ago
循环神经网络中规则抽取的实证评估
研究从训练过的 RNN 中提取规则的方法，结果表明在适当的情况下生产规则的效果优于训练过的 RNN。
PDF7 years ago