連続値論理と多基準意思決定演算子に基づく解釈可能なニューラルネットワーク【JST・京大機械翻訳】

Csiszar Orsolya; Csiszar Gabor; Dombi Jozsef

プレプリント

J-GLOBAL ID：202202215202123490 整理番号：22P0079904

連続値論理と多基準意思決定演算子に基づく解釈可能なニューラルネットワーク【JST・京大機械翻訳】

Interpretable neural networks based on continuous-valued logic and multicriteria decision operators

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2019年10月06日プレプリントサーバーでの情報更新日： 2020年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ニューラルネットワークと連続論理および多基準意思決定ツールを組み合わせることで,ニューラルモデルのブラックボックス特性を減らすことができる。本研究では,無力論理システムが,連続ゼロポテンシャル論理と神経モデルのハイブリッド化のための適切な数学的フレームワークを提供し,機械学習の可読性と安全性を改善するのに役立つことを示した。この概念では,パーセプトロンモデルソフト不等式;すなわち,メンバシップ関数と連続論理演算子である。隠れ層で動作する与えられた重みを持つ連続論理演算子と多基準決定ツールを用いて,訓練前のネットワークアーキテクチャを設計した。構造を適切に設計することは,学習すべきパラメータ数の大幅な低減につながる。理論的基礎は,活性化関数(切断関数またはその微分可能近似,スクッシング関数)の直接的な選択を提供し,また,修正線形ユニット(ReLU)の大きな成功への説明を示唆した。本研究では,ハイブリッドモデルのアーキテクチャに焦点を当て,深層ニューラルネットワークにおける将来の応用のためのビルディングブロックを導入した。この概念は,テンソル流プレイグラウンドの拡張版から取られたいくつかの例題で例証された。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

システム・制御理論一般 , 人工知能

, , ,

前のページに戻る