Extração de conhecimento simbólico de redes neurais.

Made available in DSpace on 2016-06-02T19:06:19Z (GMT). No. of bitstreams: 1 DissFSN.pdf: 851804 bytes, checksum: 8737c4ce5b2b975298245b266ca9fc6f (MD5) Previous issue date: 2005-02-23 === The fact that Artificial Neural Networks (ANNs) are not able to explain, in a symbolic way, neither their dec...

Full description

Bibliographic Details
Main Author: Nagamine, Fábio Seitoku
Other Authors: Nicoletti, Maria do Carmo
Format: Others
Language:Portuguese
Published: Universidade Federal de São Carlos 2016
Subjects:
ADT
Online Access:https://repositorio.ufscar.br/handle/ufscar/588
Description
Summary:Made available in DSpace on 2016-06-02T19:06:19Z (GMT). No. of bitstreams: 1 DissFSN.pdf: 851804 bytes, checksum: 8737c4ce5b2b975298245b266ca9fc6f (MD5) Previous issue date: 2005-02-23 === The fact that Artificial Neural Networks (ANNs) are not able to explain, in a symbolic way, neither their decisions or the knowledge embedded in its connections and architecture is a well-known limitation. This work investigates several methods of knowledge extraction from ANNs proposed in the literature. More specifically, it focuses on four different approaches for knowledge extraction that are detailed and criticized and, for each of them, discusses a possible implementation. Also, a taxonomy for methods of rule extraction from ANNs, found in the literature, is detailed. An extension of this taxonomy aiming at a more useful, refined and versatile version is proposed. The main goal of the work, however, is to approach knowledge extraction from ANN in a critical way, analyzing each of the four methods concerning, mainly, their scopes, limitations and effective contribution to improving readability and easy understanding. === O fato das Redes Neurais (RNs) serem incapazes de explicar, de maneira simbólica, as decisões fornecidas ou o conhecimento embutido em suas conexões e arquitetura é uma limitação já bastante conhecida. Este trabalho investiga diversos métodos de extração de conhecimento de RNs propostos na literatura. Mais especificamente, o trabalho concentrase em quatro diferentes abordagens para extração de conhecimento que são detalhadas, criticadas e, para cada uma delas, discutida uma possível implementação. Adicionalmente, uma taxonomia para classificação de métodos de extração de regras de RNs, encontrada na literatura, é detalhada. A partir dessa taxonomia, são sugeridos refinamentos que visam tornar a taxonomia mais útil, refinada e versátil. O objetivo principal do trabalho é abordar a extração do conhecimento de RNs de uma maneira crítica, analisando cada uma dos quatro métodos, principalmente com relação ao escopo de atuação, limitações e contribuição efetiva para a melhoria da legibilidade e compreensão das RNs.