Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden
- Autores
- Negro, Pablo; Pons, Claudia
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones de datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feedforward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (FOL).
The need for neural-symbolic integration becomes evident as more complex problems are addressed, and they go beyond limited domain tasks such as classification. Search methods for extracting rules from neural networks work by sending input data combinations that activate a set of neurons. By properly ordering the input weights of a neuron, it is possible to narrow down the search space. Based on this observation, this work aims to present a method for extracting the pattern of rules learned by a trained feedforward neural network, analyzing its properties, and explaining these patterns through the use of first-orderlogic (FOL).
Sociedad Argentina de Informática e Investigación Operativa - Materia
-
Ciencias Informáticas
Aprendizaje Profundo
Extracción de reglas
Inteligencia Artificial
Lógica
Deep Learning
Rules Extraction
Artificial Intelligence
Logic - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/167050
Ver los metadatos del registro completo
id |
SEDICI_138358a6be099d23a7bff3a4ab725fce |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/167050 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer ordenExtracting rules from trained feedforward neural networks with first order logicNegro, PabloPons, ClaudiaCiencias InformáticasAprendizaje ProfundoExtracción de reglasInteligencia ArtificialLógicaDeep LearningRules ExtractionArtificial IntelligenceLogicLa necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones de datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feedforward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (FOL).The need for neural-symbolic integration becomes evident as more complex problems are addressed, and they go beyond limited domain tasks such as classification. Search methods for extracting rules from neural networks work by sending input data combinations that activate a set of neurons. By properly ordering the input weights of a neuron, it is possible to narrow down the search space. Based on this observation, this work aims to present a method for extracting the pattern of rules learned by a trained feedforward neural network, analyzing its properties, and explaining these patterns through the use of first-orderlogic (FOL).Sociedad Argentina de Informática e Investigación Operativa2024-04-19info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf58-80http://sedici.unlp.edu.ar/handle/10915/167050spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/EJS/article/view/843info:eu-repo/semantics/altIdentifier/issn/1514-6774info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/4.0/Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:25:23Zoai:sedici.unlp.edu.ar:10915/167050Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:25:23.797SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden Extracting rules from trained feedforward neural networks with first order logic |
title |
Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden |
spellingShingle |
Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden Negro, Pablo Ciencias Informáticas Aprendizaje Profundo Extracción de reglas Inteligencia Artificial Lógica Deep Learning Rules Extraction Artificial Intelligence Logic |
title_short |
Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden |
title_full |
Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden |
title_fullStr |
Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden |
title_full_unstemmed |
Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden |
title_sort |
Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden |
dc.creator.none.fl_str_mv |
Negro, Pablo Pons, Claudia |
author |
Negro, Pablo |
author_facet |
Negro, Pablo Pons, Claudia |
author_role |
author |
author2 |
Pons, Claudia |
author2_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Aprendizaje Profundo Extracción de reglas Inteligencia Artificial Lógica Deep Learning Rules Extraction Artificial Intelligence Logic |
topic |
Ciencias Informáticas Aprendizaje Profundo Extracción de reglas Inteligencia Artificial Lógica Deep Learning Rules Extraction Artificial Intelligence Logic |
dc.description.none.fl_txt_mv |
La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones de datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feedforward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (FOL). The need for neural-symbolic integration becomes evident as more complex problems are addressed, and they go beyond limited domain tasks such as classification. Search methods for extracting rules from neural networks work by sending input data combinations that activate a set of neurons. By properly ordering the input weights of a neuron, it is possible to narrow down the search space. Based on this observation, this work aims to present a method for extracting the pattern of rules learned by a trained feedforward neural network, analyzing its properties, and explaining these patterns through the use of first-orderlogic (FOL). Sociedad Argentina de Informática e Investigación Operativa |
description |
La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones de datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feedforward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (FOL). |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-04-19 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Articulo http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/167050 |
url |
http://sedici.unlp.edu.ar/handle/10915/167050 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/EJS/article/view/843 info:eu-repo/semantics/altIdentifier/issn/1514-6774 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc/4.0/ Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) |
dc.format.none.fl_str_mv |
application/pdf 58-80 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1846783714945662976 |
score |
12.982451 |