Key points are not available for this paper at this time.
尽管在各种应用领域中具有最高的分类准确性，人工神经网络仍存在一个缺点。这种网络做出决策的方式并不容易理解。缺乏解释能力降低了神经网络在数据挖掘和决策系统中的接受度。这个缺陷是研究人员提出许多规则提取算法以解决该问题的原因。最近，深度神经网络（DNN）在分类和识别问题上取得了显著的成果，相比标准神经网络在机器学习领域中被证明既有用又具有创新性。本文全面回顾了各种规则提取算法，考虑了分类方案：分解式、教学式和折衷式。它还根据算法 intended 的神经网络结构对这些算法进行了评估。这篇综述的主要贡献是表明，关于 DNN 的规则提取算法的研究相对有限.
Tameru Hailesilassie (Fri,) 研究了这个问题。
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: