Please use this identifier to cite or link to this item:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18036
Title: | Εμπλουτισμός δεδομένων και ερμηνεία ταξινομητών Βαθιάς Μάθησης με τη χρήση Περιγραφικών Λογικών |
Authors: | Λιάρτης, Γεώργιος-Ιάσων Στάμου Γιώργος |
Keywords: | 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 |
Issue Date: | 15-Jul-2021 |
Abstract: | 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 |
Appears in Collections: | Διπλωματικές Εργασίες - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
liartis_xai_thesis.pdf | 2.66 MB | Adobe PDF | View/Open |
Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.