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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/167050

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