• Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Melhorar a explicabilidade da rede neural

Melhorar a explicabilidade da rede neural

Paperback

Business General

ISBN10: 620237117X
ISBN13: 9786202371179
Publisher: Edicoes Nosso Conhecimento
Published: Aug 11 2025
Pages: 132
Weight: 0.41
Height: 0.31 Width: 6.00 Depth: 9.00
Language: Portuguese
A Inteligência Artificial (IA) baseada em redes neuronais é crucial em muitas aplicações, como sistemas de recomendação, tradução de línguas, redes sociais, chatbots, correção ortográfica, etc. No entanto, estas redes são frequentemente criticadas por serem caixas negras, o que suscita preocupações quanto à sua explicabilidade, especialmente em domínios sensíveis como os cuidados de saúde, a condução autónoma, etc. Os métodos existentes para melhorar a explicabilidade, como a importância das caraterísticas, carecem frequentemente de clareza e interpretabilidade. Para resolver este problema, foi desenvolvida a Rede Neural Orientada para Objectos para Melhorar a Explicabilidade (OONNIE). A OONNIE utiliza a modelação orientada para objectos para combinar a perda e o peso da ligação para calcular a importância das caraterísticas e integra regras específicas do domínio através da extensibilidade da OOP. O modelo enfatiza a transparência algorítmica, detalhando cada passo do treino. Avaliado nas funções XOR e XNOR, o OONNIE apresenta resultados promissores em termos de importância das caraterísticas, redução mais rápida das perdas e previsões melhoradas após a integração das regras do domínio. Isto marca uma contribuição significativa para a IA explicável, tornando o OONNIE uma ferramenta valiosa para o desenvolvimento de sistemas de IA fiáveis.

Also from

Arulprakash, Enoch

Also in

Business General