Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales

Página de ítem simple
cic.institucionOrigenLaboratorio de Investigación y Formación en Informática Avanzada (LIFIA)
cic.isFulltextSI
cic.isPeerReviewedSI
cic.lugarDesarrolloLaboratorio de Investigación y Formación en Informática Avanzada (LIFIA)
cic.parentTypeObjeto de conferencia
cic.versionPublicada
dc.date.accessioned2024-07-16T13:36:37Z
dc.date.available2024-07-16T13:36:37Z
dc.identifier.urihttps://digital.cic.gba.gob.ar/handle/11746/12263
dc.titleVariante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificialeses
dc.typeDocumento de conferencia
dcterms.abstractLas redes neuronales tienen la capacidad de alcanzar altos niveles de precisión en tareas de clasificación, pero su falta de explicabilidad es un claro inconveniente y lleva a denominarlas “cajas negras”. En este artículo, se presenta una modificación del algoritmo RxREN que se centra en la explicabilidad de las redes neuronales generando reglas precisas y fácilmente interpretables. El objetivo de esta modificación es comprender el proceso de decisión de la red neuronal, y para lograrlo, se analiza la relación entre el nivel de abstracción y su fidelidad. Se implementó un algoritmo con tres configuraciones en dos problemas distintos (Iris, WBC) Se analizó cómo el nivel de abstracción de las reglas afecta su fidelidad, buscando reglas precisas y evaluando el impacto del nivel de abstracción. En conclusión, este estudio tiene por objetivo mejorar significativamente la fidelidad de las reglas generadas por el algoritmo, permitiendo a los usuarios entender mejor el proceso de clasificación y además destacar la importancia de considerar el nivel de abstracción al extraer reglas interpretables y fieles.es
dcterms.creator.authorJacinto, Milagros Aylén
dcterms.creator.authorMoschettoni, Martín
dcterms.creator.authorPérez, Gabriela Alejandra
dcterms.creator.authorPons, Claudia Fabiana
dcterms.extent43-58
dcterms.identifier.otherISSN: 2451-7496
dcterms.isPartOf.seriesConcurso de Trabajos Estudiantiles (EST 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023)
dcterms.issued2023-09
dcterms.languageEspañol
dcterms.licenseAttribution-NonCommercial-ShareAlike 4.0 International (BY-NC-SA 4.0)
dcterms.subjectFidelidades
dcterms.subjectRedes Neuronales Artificialeses
dcterms.subjectInteligencia Artificial Explicablees
dcterms.subjectXIAes
dcterms.subject.materiaCiencias de la Computación e Información

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
Moschettoni-Variante enfocada en fidelidad.pdf
Tamaño:
2.84 MB
Formato:
Adobe Portable Document Format
Descripción:
Documento completo
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
3.46 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Artículos y presentaciones en Congresos