基于规则推理网络的分类模型

• 作者: 刘壮 张云霞 林红梅 邹丽 黄德根
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 规则推理 RIMER 可解释性网络 机器学习 不确定性分类
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 非经典条件下的机器学习方法专题
• 页码范围: 1063-1078
• 页数: 16页
• 分类号: TP181
• 字数: 11167字
• 语种: 中文

摘要

为了缓解神经网络的“黑盒子”机制引起的算法可解释性低的问题,基于使用证据推理算法的置信规则库推理方法(以下简称RIMER)提出了一个规则推理网络模型.该模型通过RIMER中的置信规则和推理机制提高网络的可解释性.首先证明了基于证据推理的推理函数是可偏导的,保证了算法的可行性;然后,给出了规则推理网络的网络框架和学习算法,利用RIMER中的推理过程作为规则推理网络的前馈过程,以保证网络的可解释性;使用梯度下降法调整规则库中的参数以建立更合理的置信规则库,为了降低学习复杂度,提出了“伪梯度”的概念;最后,通过分类对比实验,分析了所提算法在精确度和可解释性上的优势.实验结果表明,当训练数据集规模较小时,规则推理网络的表现良好,当训练数据规模扩大时,规则推理网络也能达到令人满意的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄德根	大连理工大学计算机科学与技术学院	70	1191	19.0	33.0
2	邹丽	辽宁师范大学计算机与信息技术学院	41	117	6.0	8.0
3	张云霞	大连理工大学计算机科学与技术学院	4	16	1.0	4.0
4	刘壮	大连理工大学计算机科学与技术学院	4	0	0.0	0.0
5	林红梅	辽宁师范大学计算机与信息技术学院	1	0	0.0	0.0