RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Известия Иркутского государственного университета. Серия Математика:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Известия Иркутского государственного университета. Серия Математика, 2017, том 22, страницы 31–49 (Mi iigum321)  

Прозрачное глубокое обучение на основе вероятностных формальных понятий в задаче обработки естественного языка

Е. Е. Витяев, В. В. Мартынович

Институт математики им. С. Л. Соболева

Аннотация: Несмотря на высокую эффективность методов глубокого обучения (Deep Learning) они остаются «вещью в себе», «черным ящиком» решениям которого невозможно доверять. Это критично для таких областей, как медицина, финансовые вложения, военные применения и другие, где цена ошибки слишком высока. В связи с этим Европейский союз собирается потребовать в 2018 году от компаний, чтобы они давали пользователям объяснения решений, получаемых автоматическими системами.
В данной работе предлагается альтернативный, логико-вероятностный метод глубокого обучения, способный объяснять свои решения. Это метод иерархической кластеризации, основанный на оригинальном логико-вероятностном обобщении формальных понятий (ВФП [13]). Для сравнения с глубоким обучением, основанном на нейронных сетях, была выбрана работа [12], в которой решается задача обработки естественного языка на наборе данных UMLS. Для применения логико-вероятностного обобщения формальных понятий определяется алгоритм классификации, основанный на энергии противоречий Energy Learning [10]. Логико-вероятностные формальные понятия определяются через неподвижные точки, как и сами формальные понятия, только в качестве правил используются определенные вероятностные правила. Энергия противоречий позволяет разрешать противоречия, возникающие в неподвижных точках, формирующих вероятностные формальные понятия. Показано, что данный алгоритм кластеризации не уступает по точности методу Deep Learning [12], тем не менее, получаемые им решения объясняются совокупностью вероятностных правил неподвижных точек.

Ключевые слова: вероятность, формальные понятия, обработка естественного языка, Deep Learning, Data Mining, семантическая энергия.

Финансовая поддержка Номер гранта
Российский научный фонд 17-11-01176
Работа выполнена при поддержке Российского научного фонда (грант РНФ 17-11-01176).


DOI: https://doi.org/10.26516/1997-7670.2017.22.31

Полный текст: PDF файл (397 kB)
Список литературы: PDF файл   HTML файл

Реферативные базы данных:

Тип публикации: Статья
УДК: 004.93
MSC: 68T27

Образец цитирования: Е. Е. Витяев, В. В. Мартынович, “Прозрачное глубокое обучение на основе вероятностных формальных понятий в задаче обработки естественного языка”, Известия Иркутского государственного университета. Серия Математика, 22 (2017), 31–49

Цитирование в формате AMSBIB
\RBibitem{VitMar17}
\by Е.~Е.~Витяев, В.~В.~Мартынович
\paper Прозрачное глубокое обучение на основе вероятностных формальных понятий в задаче обработки естественного языка
\jour Известия Иркутского государственного университета. Серия Математика
\yr 2017
\vol 22
\pages 31--49
\mathnet{http://mi.mathnet.ru/iigum321}
\crossref{https://doi.org/10.26516/1997-7670.2017.22.31}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/iigum321
  • http://mi.mathnet.ru/rus/iigum/v22/p31

    ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru


    Citing articles on Google Scholar: Russian citations, English citations
    Related articles on Google Scholar: Russian articles, English articles
  • Просмотров:
    Эта страница:164
    Полный текст:73
    Литература:16
     
    Обратная связь:
     Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2020