Extrakce logických pravidel z neuronových sítí s diskrétními váhami
Extracting logic rules from neural networks with discrete weights
Typ dokumentu
diplomová prácemaster thesis
Autor
Armin Hadžić
Vedoucí práce
Pevný Tomáš
Oponent práce
Šír Gustav
Studijní obor
Cyber SecurityStudijní program
Open InformaticsInstituce přidělující hodnost
katedra počítačůPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
V diskrétních neuronových sítich s binárními aktivacemi a ternárními váhami lze každý neuron vyjádřit jako logický výrok ve formě M-of-N pravidla nebo predikátu. Tato logická forma je vhodná pro abduktivní vysvětlování neuronových sítí, kdy vysvětlení je klasifikační pravidlo. Vzhledem k tomu, ze extrakce abduktivních pravidel je nejméně NP-těžká, tato práce se zaměřuje na aproximativní metody s různou složitostí. Metody jsou experimentálně porovnány. Given a discrete deep neural network with binary activations and ternary weights, each neuron can be expressed as a logic expression, either an M-of-N rule or a predicate. This logical form is suitable for the abductive explanation of neural networks, where the explanation is a classification rule. Since abductive rule extraction is at least NP-hard, this work focuses on approximate methods of varying complexity. The thesis presents a method which uses activation statistics of individual neurons on class and non-class data determined by the quantised network to estimate neuron importance and extract sufficient rules by network pruning. The methods are experimentally compared.
Kolekce
- Diplomové práce - 13136 [892]