Interpretação simbólica de redes neurais artificiais

Sistemas híbridos inteligentes que combinam sistemas baseados em conhecimento e redes neurais artificiais tipicamente têm quatro fases, envolvendo representação do conhecimento do domínio, mapeamento desse conhecimento em uma arquitetura conexionista inicial, treinamento da rede e extração de regras, respectivamente. A fase final é importante porque pode fornecer a uma arquitetura conexionista treinada poder de explicação e validar suas decisões de saída. Além disso, pode ser usada para refinar e manter o conhecimento inicial adquirido de especialistas do domínio. Neste artigo, apresentamos três técnicas de extração de regras. A primeira técnica extrai um conjunto de regras binárias de qualquer tipo de rede neural. As outras duas técnicas são específicas para redes feedforward, com uma única camada oculta de unidades sigmoides. A Técnica 2 extrai regras parciais que representam o conhecimento embutido mais importante com um nível de detalhe ajustável, enquanto a terceira técnica fornece uma abordagem mais abrangente e universal. Uma técnica de avaliação de regras, que ordena as regras extraídas com base em três medidas de desempenho, é então proposta. As três técnicas são aplicadas aos conjuntos de dados de íris e câncer de mama. As regras extraídas são avaliadas qualitativa e quantitativamente, e são comparadas com aquelas obtidas por outras abordagens.