Regelextraktion bei Perzeptronen
Ein Nachteil von vorwärtsgerichteten neuronalen Netzen
besteht darin, daß ihre Funktionsweise für den Menschen
nicht nachvollziehbar ist. Aufgrund dieser Tatsache können sie
in Hochsicherheitsbereichen nicht eingesetzt werden.
Wünschenswert wäre daher eine Möglichkeit, das
Verhalten eines Netzes beschreibende, für den
Menschen verständliche Regeln automatisch aus einem
funktionsfähigen Netz zu extrahieren. Da das aktuelles
Forschungsgebiet ist, sollte man sich auf einen
sehr einfachen Fall, ein einzelnes Perzeptron beschränken.
Die Aufgabe ist, ein Perzeptron geeignet zu trainieren
und anschließend automatisch das Verhalten des Perzeptrons
annähernd beschreibende logische Regeln zu extrahieren.
Training:
- Falls die Muster nicht linear trennbar sind, fügen
Sie einfache Boolesche Kombinationen der Eingabekoeffizienten hinzu,
bis die Daten linear trennbar werden.
- Training mit Perzeptronalgorithmus, SVM oder Gradientenabstieg.
- Anschließend Vereinfachen des Perzeptrons z.B. durch Pruning;
ein besonders einfaches Netz entsteht auch, wenn man die
Gewichte anschließend in wenige Klassen mit ungefähr
gleichem Wert einteilt oder für Gewichte
aus {-1,0,1} sorgt (z.B. durch einen Strafterm
beim Gradientenabstieg).
Regelextraktion:
Mögliche Daten:
- Klassifikation von Iris-Pflanzen
in drei verschiedene Gruppen, es liegt eine
Beschreibung der Daten vor.
Die Eingabedimension ist nur vier. Die Werte sind allerdings
reellwertig, so daß Regeln eine Form
der Quantisierung beeinhalten müßten:
'...falls der Stengel sehr lang ist und die Blüte sehr
klein ist, dann...'
- Akzeptanz des Preis-/Leistungsverhätnisses von
Autos, auch hier gibt es
eine Beschreibung, sogar
mit einem logischen Modell. Die Daten sind symbolisch, es
gibt nicht allzu viele Eingabeneuronen.
- Pilz-Klassifikation nach
essbar/giftig. Auch hier gibt's eine
Beschreibung,
verschiedene gute logische Formeln und nur symbolische Daten,
allerdings viele Eingabeneuronen.
- Bestimmung der relevanten Abschnitte der
DNA. Symbolische
Daten,
Beschreibung mit Regeln,
viele Eingabeneuronen.
Literatur:
back