Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18036
Τίτλος: | Εμπλουτισμός δεδομένων και ερμηνεία ταξινομητών Βαθιάς Μάθησης με τη χρήση Περιγραφικών Λογικών |
Συγγραφείς: | Λιάρτης, Γεώργιος-Ιάσων Στάμου Γιώργος |
Λέξεις κλειδιά: | Οντολογίες Ontologies Βάσεις Γνώσης Knowledge Bases Περιγραφικές Λογικές Description Logics Εξηγήσιμη Τεχνητή Νοημοσύνη Explainable Artificial Intelligence Συζευκτικά Ερωτήματα Conjunctive Queries Μηχανική Μάθηση Machine Learning Βαθιά Μάθηση Deep Learning |
Ημερομηνία έκδοσης: | 15-Ιου-2021 |
Περίληψη: | Η ραγδαία ανάπτυξη που έχει γνωρίσει ο κλάδος της Βαθιάς Μάθησης την τελευταία δεκαετία έχει οδηγήσει στην ευρεία εφαρμογή του για την αυτοματοποίηση διαδικασιών. Όμως, η αδιαφάνεια των μοντέλων που παράγει δημιουργεί ηθικά ζητήματα και επιφυλάξεις στη χρήση του σε κρίσιμες εφαρμογές, όπως οι ιατρικές, παρά τις σημαντικές του επιδόσεις. Εμείς κινούμαστε στον χώρο της Εξηγήσιμης Τεχνητής Νοημοσύνης και χρησιμοποιούμε εργαλεία από τις Περιγραφικές Λογικές, εύκολα ερμηνεύσιμα από τη φύση τους, για να διαλευκάνουμε τον τρόπο με τον οποίο λαμβάνουν αποφάσεις αυτά τα μοντέλα. Συγκεκριμένα, αντιμετωπίζουμε ταξινομητές ως μαύρα κουτιά και χρησιμοποιούμε δεδομένα εμπλουτισμένα με σημασιολογικές περιγραφές για να παραγάγουμε συζευκτικά ερωτήματα που μιμούνται τη συμπεριφορά τους. |
URI: | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18036 |
Εμφανίζεται στις συλλογές: | Διπλωματικές Εργασίες - Theses |
Αρχεία σε αυτό το τεκμήριο:
Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
---|---|---|---|---|
liartis_xai_thesis.pdf | 2.66 MB | Adobe PDF | Εμφάνιση/Άνοιγμα |
Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.