Pozyskiwanie symbolicznej wiedzy z sieci neuronowych

• Autorzy: Urszula Markowska-Kaczmar , Piotr Słowiński

Warianty tytułu

The Acquisition of Symbolic Knowledge from Neural Networks

• Języki publikacji: PL

Abstrakty

W artykule omówiono poszczególne etapy algorytmu pozyskiwania reguł wykorzystanego w systemie Neuronowej Sieci Wnioskującej. Zaprezentowano również wyniki badań skuteczności wiedzy pozyskanej z wyuczonej sieci neuronowej.

EN

The article discusses individual phases of rules acquisition algorithm used in the Deductive Neural Network. The research findings on the effectiveness of knowledge acquired from a trained neural network were presented. (JW)

Słowa kluczowe

PL

Materiały konferencyjne; Systemy z bazą wiedzy

EN

Conference materials; Knowledge based systems

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2000
• Numer: nr 850
• Strony: 39--50

Twórcy

autor

Urszula Markowska-Kaczmar

autor

Piotr Słowiński

Bibliografia

• Coleman K., Watenpool S. (styczeń 1992), „Neural Networks in Knowledge Aąuisition", AI EXPERT.
• Craven M. W., Shavlik J. W. (1996), „Extracting Tree-Structured Representation of Trained Networks", MIT Press, Cambridge, MA.
• Dawson R.J. (1995), „Journal of Statistics Education — The Unusual Episode' Data Revisited", Saint Mary University http://www.stat.ncsu.edu:80/info/jse/v3n3/datasets.dawson.html.
• Engelbreck A. P., Cloete I., Zurada J. (1995), „Determining the significance of input parametrs using sensitivity analysis", W: „From Natural to Artificial Neural Computations", J. Eds. Mira, F. Sandoval, IWANN, Malaga, s. 382-388.
• Lance E. (luty 1995), „Ruling Neural Networks", AI EXPERT.
• McMillan C., Mozer M.C., Smolensky P.: „The Connectionist Scientist Game: Rule Extraction and Refinement in a Neural Network", University of Colorado 1991, CU-CS-530-91.
• Mitchell T.: „Machine Learning", rozdział 12: „Combining inductive and analytical learning", McGraw-Hill Companies Inc. 1997.
• Osowski S.: „Sieci neuronowe w ujęciu algorytmicznym", WNT, Warszawa 1996, s. 125-128.
• [Quinlan J. R. (1992), „C4.5 Programs for Machine Learning", Morgan Kaufmann Publishers Inc.
• Setiono R., Liu H.: „Symbolic representation of neural networks", IEEE Computer, 1996, s. 71-77.
• Sun R.: „Commonsense Reasoning with Rules, Cases and Connectionist Models: A Paradigmatic Comparison", The University of Alabama, 1996, AL. 35487.
• Taha L, Ghosh J. (listopad 1996), „Symbolic interpretation of artificial neural network", wydrukowane w „Proceedings of ANNIE'96", St. Louis.
• Thrun S.B., (and othres): „The MONK's Problems - A Performance Comparison of Different Learning algorithms", Technical Report CS-CMU-91-197, Carnegie Mellon University, 1991.
• Zurada J., Barski M., Jedruch W.: „Sztuczne sieci neuronowe", rozdział 8 „Zastosowanie sieci neuronowych/Neuronowe systemy ekspertowe", Wydawnictwo Naukowe PWN, Warszawa 1996.
• Zurada J., Malinowski A., Cloete L: „Sensitivity analysis for minimalisation of input data dimension for feedforward neural network", IEEE Symp. CAS, London 1994.
• ftp://ftp.ics.uci.edu/pub/machine-learning-databases/