如何增加人工神经元网络的透明度?

作     者：胡包钢 王泳 杨双红 曲寒冰 HU Bao-Gang;WANG Yong;YANG Shuang-Hong;QU Han-Bing

作者机构：中国科学院自动化研究所北京100080 中国科学院研究生院北京100080 

基　　金：国家自然科学基金项目(No.60073007) 国家自然科学基金创新集体项目(No.60121302) 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2007年第20卷第1期

页      码：72-84页

摘      要：针对人工神经元网络应用中最主要的问题之一——"黑箱"特性进行文献综述.增加人工神经元网络系统的透明度是解决该问题必不可少的手段.为了便于理解各种已有方法的应用特点及其局限性,提出"透明度"研究中的方法分类框架.首先将"透明度"研究划分为两种基本策略:1)将先验信息引入系统设计;2)从模型中提取系统相关规则或知识.在此基础上,对各种主要方法进一步分类并进行应用特点介绍.最后对机器学习多目标研究进行讨论.提出基于"性能价格比"与基于提高系统"透明度"的目标函数.指出提高"透明度"是神经元网络研究中最为基本而又直接的解决方案.为此提出"反馈知识增长(Knowledge Increasing via Feedback)"型机器学习方法.

主 题 词：机器学习 人工神经元网络 先验知识 归纳 演绎 黑箱 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.1003-6059.2007.01.012

馆 藏 号：203763141...