Metaučení metod extrakce pravidel z umělých neuronových sítí

Abstract

Extrakce pravidel z umělých neuronových sítí se dá využít nejen k porozumění fungování neuronové sítě, ale také jako prostředek k získání informací z dat, na kterých byla síť trénována. V této práci je vysvětleno a otestováno fungování třech různých metod extrakce pravidel. Součástí práce je implementace popsaných metod v prostředí Matlab. V rámci této práce byl proveden test dvou metod extrakce pravidel na klasifikaci dat získaných ze záznamu přednášek. Data obsahovala četnosti slov vyskytujících se ve zvukovém záznamu přednášky a ve slajdech prezentací. Tento test prokázal nevhodnost použití metody založené na souboru lineárních perceptronů pro tato data.

Rule extraction from artificial neural networks can be used not only for understanding the functioning of a neural network but also as a means for obtaining information from the data on which the network was trained. In this project, the functioning of three different rule extraction methods is explained and tested. An implementation of the described methods in Matlab is a part of this project. A test of two methods was done on the classification of data obtained from a record of lecture. Data contain frequencies of words that occurred in audio record of the lecture and in the slides of the presentations. The test proved the unsuitability of the method based on ensemble of linear perceptron for these data.