Biblioteca122.739 documentos en línea

Artículo

A Comparison Study on Rule Extraction from Neural Network Ensembles, Boosted Shallow Trees, and SVMsUn estudio comparativo sobre la extracción de reglas de conjuntos de redes neuronales, árboles poco profundos potenciados y SVMs.

Resumen

Una forma de hacer que el conocimiento almacenado en una red neuronal artificial sea más comprensible es extraer reglas simbólicas. Sin embargo, producir reglas a partir de Perceptrones Multicapa (MLPs) es un problema NP-duro. Se han introducido muchas técnicas para generar reglas a partir de redes neuronales individuales, pero muy pocas fueron propuestas para conjuntos. Además, rara vez se evaluaron los experimentos mediante pruebas de validación cruzada de 10 pliegues. En este trabajo, basado en el Perceptrón Multicapa Interpretativo Discretizado (DIMLP), se realizaron experimentos en 10 repeticiones de pruebas de validación cruzada estratificadas de 10 pliegues sobre 25 problemas de clasificación binaria. La arquitectura DIMLP nos permitió producir reglas a partir de conjuntos DIMLP, árboles poco profundos potenciados (BSTs) y Máquinas de Vectores de Soporte (SVM). La complejidad de los conjuntos de reglas se midió con el número promedio de reglas generadas y el número

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento