최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기컴퓨터교육학회논문지 = The Journal of Korean Association of Computer Education, v.21 no.1, 2018년, pp.51 - 58
이헌주 (고려대학교 정보대학 컴퓨터학과) , 김현철 (고려대학교 정보대학 컴퓨터학과)
Recently artificial neural networks have shown excellent performance in various fields. However, there is a problem that it is difficult for a person to understand what is the knowledge that artificial neural network trained. One of the methods to solve these problems is an algorithm for extracting ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
인공 신경망의 문제점을 해결하기 위한 방법은? | 이와 같은 인공 신경망의 문제점을 해결하기 위한 방법 중 하나로 인공 신경망으로부터 인간이 이해할 수 있는 형태의 규칙을 추출하는 방법 들이 고안되었다. 규칙추출(rule extraction)은 decompositional/pedagogical/eclectic 총 3가지 접근법을 통해 주로 이루어져 왔다[1][2]. | |
OAS 알고리즘을 사용해 규칙을 생성할 때 발생하는 문제를 해결하기 위한 실험을 진행한 결과는? | 그리고 이 문제를 해결하기 위한 방법을 찾기 위해 은닉 유닛 명확화 기법을 사용해 인공 신경망을 추가로 학습하였을 때, 은닉층 출력값의 결과가 어떻게 변화하는지 와 규칙의 품질이 개선이 되는지에 대한 실험을 진행하였다. 그 결과로 은닉 유닛 명확화 기법이 은닉 유닛으로부터 나오는 출력값을 완전 활성화 혹은 완전 비활성화에 가까운 값으로 만들어, 더욱 명확하게 이진화 시킬 수 있었고, 그로 인해 불필요한 규칙의 개수는 줄이면서 더욱 정확한 규칙을 만들어 낼 수 있었다. 이러한 결과들을 바탕으로 은닉 유닛 명확화를 사용해 인공 신경망을 추가로 학습하는 경우 OAS 알고리즘으로부터 규칙을 효율적으로 추출할 수 있음을 확인할 수 있었고, 인공 신경망이 좀 더 해석하기 쉬운 형태로 학습된다는 것을 확인할 수 있었다. | |
인공 신경망의 문제점은? | 하지만 이러한 뛰어난 성능에도 불구하고 인공 신경망이 학습한 지식이 어떠한 내용인지를 사람이 이해하기 어려워, 의사결정 오류가 치명적인 결과를 가져올 수 있는 높은 신뢰도 검증을 요구 하는 분야에서 사용하기에는 아직 위험성이 있다는 문제점이 있다[1]. |
T. Hailesilassie. (2016). Rule extraction algorithm for deep neural networks: A review. International Journal of Computer Science and Information Security, 14, 7, p. 376.
Andrews, R. Diederich, J. & Tickle, A. B. (1995). Survey and critique of techniques for extracting rules from trained artificial neural networks. Knowledge-Based System, 8(6), 373-389.
Kim H. (2000). Computationally Efficient Heuristics for If-Then Rule Extraction from Feed-Forward Neural Networks. Lecture Notes in Computer Science, vol 1967, Springer, Berlin, Heidelberg.
Ishikawa, M. (1996). Structural Learning with Forgetting. Neural Networks, vol.9, no.3, 509-521.
L. M. Fu. (1994). Rule Generation from Neural Networks. Systems, Man and Cybernetics, 24(8), 1114-1124.
L. M. Fu. (1991). Rule Learning by Searching on Adapted Nets. AAAI, 590-595.
L. M. Fu. (1993). Knowledge-based connectionism for revising domain theories. IEEE Transactions on Systems, Man, and Cybernetics 23(1), 173-182.
S. Thrun. (1995). Extracting rules from artificial neural networks with distributed representations. Advances in neural information processing systems, 505-512.
I. A. a. J. G. Taha. (1999). Symbolic interpretation of artificial neural network. IEEE Transactions on knowledge and data engineering, 11(3), 448-463.
G. P. C. A. a. F. S. G. Schmitz. (1999). ANN-DT: an algorithm for extraction of decision trees from artificial neural networks. IEEE Transactions on Neural Networks, 10(6), 1392-1401.
G. G. a. j. W. S. Towell. (1993) Extracting refined rules from knowledge-based neural networks. Machine learning, 13(1), 71-101.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.