Algorytm ekstrakcji wiedzy z sieci neuronowej na przykładzie procesu cynkowania ogniowego

• Autorzy: Golak S. , Grosman F. , Wieczorek T.

Warianty tytułu

EN

Algorithm of a knowledge extraction from neural network on the example of hot-dip zinc coating process

• Języki publikacji: PL

Abstrakty

PL

Omówiony algorytm ekstrakcji wiedzy z nauczonej sieci neuronowej pozwala interpretować działanie modeli neuronowych realizujących regresję uogólnioną. Opisane narzędzie może być stosowane dla dowolnej sieci MLP, jeżeli wszystkie jej neurony realizują podwójnie różniczkowalną funkcję przejścia. Miary istotności Ia i synergiczności S ab pozwalają w większości rzeczywistych procesów scharakteryzować oddziaływanie parametrów wejściowych. Procesy, w których kierunki wzajemnego oddziaływania parametrów i wpływu na wyjście są różne w poszczególnych obszarach przestrzeni atrybutów mogą być opisane przy pomocy reguł wygenerowanych przy użyciu omówionego algorytmu genetycznego. Analiza procesu cynkowania ogniowego przy wykorzystaniu omówionej metody pozwoliła na uzyskanie informacji o istotności oraz kierunku oddziaływania poszczególnych parametrów procesu. Natomiast analiza synergiczności dla tego procesu nie wskazała na występowanie synergii pomiędzy parametrami technologicznymi uwzględnianymi przez model neuronowy.

EN

One of the major disadvantages of neural networks is that they can be considered as black boxes, since no satisfactory explanation of their work. A method for the analysis of regression neural networks, which provides physical interpretation of examined processes, is described in the paper. Method was verified on a base of test and empirical data of hot-dip zinc coating process.

Słowa kluczowe

PL

algorytm ekstrakcji wiedzy; sieć neuronowa; modele neuronowe; parametry wejściowe; algorytm genetyczny; proces cynkowania ogniowego; analiza synergiczności

• Wydawca: Wydawnictwo Naukowe AKAPIT
• Czasopismo: Informatyka w Technologii Materiałów
• Rocznik: 2003
• Tom: T. 3, Nr 2
• Strony: 72--78
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Golak S.

• Politechnika Śląska

autor

Grosman F.

• Politechnika Śląska

autor

Wieczorek T.

• Politechnika Śląska

Bibliografia

• Alan B. Tickle, R. Anders, 1998, The Truth Will Come to Light: Directions and Chanllengs in Extracting the Knowledge Embdded Withing Trained Artifical Neural Networks, IEEE Transactions on Neural Networks, vol. 9, no. 6, pp. 1057-1068.
• Arabas J., 2001, Wykłady z algoryt¬mów ewolucyjnych, Wydawnictwo Naukowo-Techniczne, Warszawa.
• Grosman F, Wieczorek T., Golak S., 2001, Application of Neural Ne¬twork for Analysis of Hot-Dip Zinc Coating Process Influence on Mechanical Properties of Metal Sheets, Sächsische Fachtagung Umformtechnik, Freiberg, pp. 93¬98.
• Grosman F., Wieczorek T., Golak S., 2002, Próba interpretacji procesu cynkowania ogniowego w oparciu o parametry struktury nauczonej sieci neuronowej, KomPlasTechX, Wisła, pp. 11-18.
• Herrera F., Lozano M., Verdegay J. L., 1995, Generating Fuzzy Rules from Examples using Genetic Algorithms, Fuzzy Logic And Soft Computing, World Scientific.
• Marder A.R., 2000, A Review of the Metallurgy of Zinc Coated Steel, Progress in Materials Science, vol. 45/3, pp. 191.
• Osowski S., 1996, Sieci neuronowe w ujęciu algorytmicznym, Wydawnictwo Naukowo-Techniczne, Warszawa .
• Saito K, Nakano R., 2002, Extracting regression rules from neural ne¬tworks, Neural Networks, 15, pp. 1279-1288.
• Tanaka K., Nii M., Ishibuchi H., 1999, Learning from Linguistic Rules and Rule Etraction for Function Approximation by Neural Networks, SEAL'98, LNCS1585, pp. 317-324.
• Zhi-Hua Zhou, Yuan Jiang, Shi-Fu Chen, 2002, Extracting Symbolic Rules from Trained Neural Network Ensembles, AI Communications, IOS Press.
• Zurada J., Malinowski A., Usui S., 1997 Perturbation Method for Deleting Redundant Inputs of Perceptron Networks, Neurocomputing 14, pp. 177-193.