×
彼得罗·巴比罗;加布里埃尔·西拉维尼亚;Giansalvo Cirriancione公司;阿尔贝托·通达;乔瓦尼·斯基列罗

生成神经原型以指导快速和可解释的决策。 （英语） Zbl 1442.62766号

Bucciarelli，Edgardo（编辑）等人，《决策经济学：决策的复杂性和决策的复杂性》。论文基于2019年6月26日至28日在西班牙阿尔维拉举行的2019年DECON国际决策经济学会议上的陈述。查姆：斯普林格。高级智能。系统。计算。1009，45-52（2020）。
概要：在人工智能领域，代理通过在一组称为训练集的样本上拟合参数来学习如何做出决策。类似地，核心集是训练样本的子集，因此，如果代理利用该集来拟合其参数而不是整个训练集，则推断的质量不会发生显著变化。放松了限制对可用数据进行核心集搜索的约束，可以使用神经网络生成包含相同类型信息的虚拟样本，称为原型集。这项工作说明了GH-ARCH的特点，这是一种最近提出的用于原型发现的自组织分层神经网络。实验表明，原型的使用使ML代理能够快速准确地进行预测，而人类专家则可以通过分析少量重要样本来理解这些决策。
关于整个系列，请参见[Zbl 1444.91005号].

MSC公司：

62兰特 大数据和数据科学的统计方面
62小时30分 分类和区分；聚类分析（统计方面）
62M45型 神经网络及从随机过程推断的相关方法
62M20型 随机过程推断和预测
62C25型 统计决策理论中的复合决策问题
68T05型 人工智能中的学习和自适应系统

关键词：

原型;大数据;分类;核心集;解释人工智能;GH-ARCH公司;层次聚类;机器学习;神经网络;自组织;半监督学习

软件：

Scikit公司;开放多媒体程序库
PDF格式BibTeX公司 XML格式引用
\textit{P.Barbiero}等人，《高级情报》。系统。计算。1009、45-52（2020年；Zbl 1442.62766）
全文： 内政部

参考文献：

[1] Doshi-Velez，F.，Kim，B.：走向可解释机器学习的严格科学。arXiv预印arXiv:1702.08608（2017）
[2] Mitchell Waldrop，M.：新闻特辑：深度学习的局限性是什么？程序。国家。阿卡德。科学。116(4), 1074-1077 (2019) ·doi:10.1073/美国国家统计局1821594116
[3] Bachem，O.，Lucic，M.，Krause，A.：机器学习的实用核心集构造。arXiv预印arXiv:1703.06476（2017）
[4] Ciravegna，G.、Barbiero，P.、Cirrincione，G.，Squillero，G.和Tonda，A.：发现层次神经原型集。In:国际神经网络联合会议（IJCNN），2019年7月
[5] Cirriancione，G.、Ciravegna，G.，Barbiero，P.、Randazzo，V.、Pasero，E.：用于分层聚类的GH-EXIN神经网络。神经网络（2019年，同行审查）
[6] Haykin，S.S.：神经网络和学习机器，第3卷。皮尔逊，上鞍河（2009）
[7] Cirrincione，G.，Randazzo，V.，Pasero，E.：增长曲线成分分析（GCCA）神经网络。神经网络。103, 108-117 (2018) ·Zbl 1434.68503号 ·doi:10.1016/j.neunet.2018.03.017
[8] 佩德雷戈萨（Pedregosa，F.）、瓦罗奎斯（Varoqueux，G.）、格拉姆福特（Gramfort，A.）、米歇尔（Michel，V.）、提里昂（Thirion，B.）、格里塞尔（Grisel，O.）、布隆德尔（Blondel，M.）、普雷滕霍弗（Prettenhofer，P.）、韦斯（Weiss，R.）、杜堡（Dubourg，V.，Vanderplas，J.）、帕索斯（Passos，A.），库纳波（Cournap。J.马赫。学习。第12号决议，2825-2830（2011年）·Zbl 1280.68189号
[9] Breiman，L.：随机森林。马赫。学习。45(1), 5-32 (2001) ·Zbl 1007.68152号 ·doi:10.1023/A：1010933404324
[10] Tikhonov，A.N.：关于反问题的稳定性。多克。阿卡德。瑙克SSSR 39，195-198（1943）
[11] Vanschoren，J.，van Rijn，J.N.，Bischl，B.，Torgo，L.：OpenML：机器学习中的网络科学。SIGKDD探索15（2），49-60（2013）·数字对象标识代码：10.1145/2641190.2641198
[12] Breiman，L.：在大型数据库和在线上粘贴分类的小票。马赫。学习。36(1-2), 85-103 (1999) ·doi:10.1023/A:1007563306331
[13] Cox，D.R.：二元序列的回归分析。J.罗伊。统计社会：序号。B（Methodol.）20，215-242（1958）·Zbl 0088.35703号
[14] 坎贝尔，T.，布罗德里克，T.：通过贪婪迭代测地线上升构造贝叶斯核集。参加：机器学习国际会议（ICML）（2018）
[15] 克拉克森，K.L.：核心集、稀疏贪婪近似和弗兰克·沃尔夫算法。ACM事务处理。算法6，63（2010）·Zbl 1300.90026号 ·doi:10.1145/1824777.1824783
[16] Pati，Y.C.，Rezaiifar，R.，Krishnaprasad，P.S.：正交匹配追踪：递归函数逼近及其在小波分解中的应用。摘自：第27届亚西洛马信号、系统和计算机会议记录，第40-44页（1993）
[17] Efron，B.，Hastie，T.，Johnstone，I.，Tibshirani，R.：最小角度回归。Ann.Stat.32（2），407-451（2004年）·兹比尔1091.62054 ·doi:10.1214/009053604000000067
[18] Boutsidis，C.，Drineas，P.，Magdon-Ismail，M.：最小二乘回归的近优核集。技术报告（2013）·Zbl 1364.62170号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。