阿隆索·莫拉利,何塞·玛丽亚;西罗·卡斯蒂略;路易斯·马格达莱纳;科拉多·门卡尔 可解释的模糊系统。为从可解释的模糊系统到可解释的人工智能系统铺平道路。 (英语) Zbl 1470.93089号 计算智能研究970.查姆:施普林格(ISBN 978-3-030-71097-2/hbk;978-3-0030-71098-9/电子书)。xxxi,232页。(2021). 可解释人工智能(XAI)最近成为智能系统设计和分析的一个新的、快速发展的方向。可解释性和可解释性是AI架构部署的核心,尤其是在高关键性环境中。由于颗粒结构(模糊集)是基于规则的模型的一个组成部分,可解释性在几十年来一直是研究议程上的一部分,近年来人们对其进行了更深入的研究。作者引导读者阅读关于可解释模糊规则模型的设计和分析的系统组织材料。本卷由7章组成。第1章通过将XAI、粒度计算、模糊系统的可解释性纳入一般设计框架,形成了对主题的介绍。第2章对模糊系统进行了概述;本章详细介绍了模糊集、基于规则的模型和模糊分类器。对可解释性标准及其分类法(第3章和第4章)的系统介绍,包括条件和结论,是本书的真正优势——以简洁的方式进行了详细的讨论,并对指标进行了分析量化。第五章介绍了以可解释性指标为指导的可解释系统的设计;显示了这些指数如何在规则的不同功能级别实现和增强可解释性的指导原则。第6章介绍了一个可解释模糊分类器的综合案例研究,同时对可解释模糊系统的未来进行了一些总结性评论和展望。这本书是自成体系的,这一特性可以吸引所有模糊集和粒度计算领域的新手读者。总之,这是一篇关于可解释模糊系统的及时、全面、彻底和权威的论文,这可能是广大研究界的一个重要兴趣。审核人:维托尔德·佩德里茨(埃德蒙顿) 引用于2文件 MSC公司: 93立方厘米 模糊控制/观测系统 03E72型 模糊集理论等。 93亿B51 设计技术(稳健设计、计算机辅助设计等) 关键词:可解释人工智能;基于模糊规则的模型;可解释性指数;设计和验证 PDF格式BibTeX公司 XML格式引用 \textit{J.M.Alonso Moral}等人,可解释的模糊系统。为从可解释的模糊系统到可解释的人工智能系统铺平道路。查姆:施普林格(2021;Zbl 1470.93089) 全文: DOI程序