Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Interpretability" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    Extracting Class Description from Support Vector Machines
    Profilowanie klas w metodzie wektorów nośnych
    Autorzy:
    Trzęsiok, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/904801.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Support Vector Machines
    knowledge extraction
    model interpretability
    Opis:
    Support Vector Machines (SVMs) belong to the group of Data Mining and Machine Learning methods. SVMs are considered to be one of the best classification methods in terms of performance measure. The biggest disadvantage of SVMs is their lack of interpretability. Additional procedures can be applied that enable knowledge extraction. We present such a procedure that uses the information embedded in support vectors – the observations that define the classification function. We use recursive partitioning applied to support vectors to increase the interpretability of SVMs.
    Metoda wektorów nośnych (SVM) należy do grupy statystycznych metod uczących się. Jak większość metod z tej grupy, metoda SVM buduje modele o bardzo dobrych własnościach predykcyjnych, lecz niewielkiej interpretowalności. W celu uzyskania dodatkowej wiedzy –stosuje się dodatkowe procedury wspomagające interpretowanie wyników modelowania. W artykule przedstawiono procedurę wykorzystującą informacje zawarte w wektorach nośnych – obserwacjach istotnie wpływających na postać wyznaczonej funkcji dyskryminującej. Intepretowalność modelu końcowego uzyskano dzięki zastosowaniu modelu rekurencyjnego podziału do dyskryminacji wyznaczonych wektorów nośnych.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 286
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Some Logics in the Vicinity of Interpretability Logics
    Autorzy:
    Celani, Sergio A.
    Powiązania:
    https://bibliotekanauki.pl/articles/43188883.pdf
    Data publikacji:
    2024
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    interpretability logic
    Kripke frames
    neighbourhood frames
    Veltman semantics
    Opis:
    In this paper we shall define semantically some families of propositional modal logics related to the interpretability logic \(\mathbf{IL}\). We will introduce the logics \(\mathbf{BIL}\) and \(\mathbf{BIL}^{+}\) in the propositional language with a modal operator \(\square\) and a binary operator \(\Rightarrow\) such that \(\mathbf{BIL}\subseteq\mathbf{BIL}^{+}\subseteq\mathbf{IL}\). The logic \(\mathbf{BIL}\) is generated by the relational structures \(\left<X,R,N\right>\), called basic frames, where \(\left<X,R\right>\) is a Kripke frame and \(\left<X,N\right>\) is a neighborhood frame. We will prove that the logic \(\mathbf{BIL}^{+}\) is generated by the basic frames where the binary relation \(R\) is definable by the neighborhood relation \(N\) and, therefore, the neighborhood semantics is suitable to study the logic \(\mathbf{BIL}^{+}\) and its extensions. We shall also study some axiomatic extensions of \(\mathsf{\mathbf{BIL}}\) and we will prove that these extensions are sound and complete with respect to a certain classes of basic frames. Finally, we prove that the logic \(\mathbf{BIL}^{+}\) and some of its extensions are complete respect with the class of neighborhood frames.
    Źródło:
    Bulletin of the Section of Logic; 2024, 53, 2; 173-193
    0138-0680
    2449-836X
    Pojawia się w:
    Bulletin of the Section of Logic
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine learning models for predicting patients survival after liver transplantation
    Autorzy:
    Jarmulski, W.
    Wieczorkowska, A.
    Trzaska, M.
    Ciszek, M.
    Paczek, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/305726.pdf
    Data publikacji:
    2018
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    machine learning
    models interpretability
    survival prediction
    generalized additive models (GAM)
    liver transplant
    Opis:
    In our work, we have built models predicting whether a patient will lose an organ after a liver transplant within a specified time horizon. We have used the observations of bilirubin and creatinine in the whole first year after the transplantation to derive predictors, capturing not only their static value but also their variability. Our models indeed have a predictive power that proves the value of incorporating variability of biochemical measurements, and it is the first contribution of our paper. As the second contribution we have identified that full-complexity models such as random forests and gradient boosting lack sufficient interpretability despite having the best predictive power, which is important in medicine. We have found that generalized additive models (GAM) provide the desired interpretability, and their predictive power is closer to the predictions of full-complexity models than to the predictions of simple linear models.
    Źródło:
    Computer Science; 2018, 19 (2); 223-239
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Categorical Abstract Logic: Hidden Multi-Sorted Logics as Multi-Term π-Institutions
    Autorzy:
    Voutsadakis, George
    Powiązania:
    https://bibliotekanauki.pl/articles/749924.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Behavioral Equivalence
    Hidden Logic
    Multi-Sorted Logic
    Multi-term π-Institutions
    Interpretability
    Deductive Equivalence
    Opis:
    Babenyshev and Martins proved that two hidden multi-sorted deductive systems are deductively equivalent if and only if there exists an isomorphism between their corresponding lattices of theories that commutes with substitutions. We show that the π-institutions corresponding to the hidden multi-sorted deductive systems studied by Babenyshev and Martins satisfy the multi-term condition of Gil-F´erez. This provides a proof of the result of Babenyshev and Martins by appealing to the general result of Gil-F´erez pertaining to arbitrary multi-term π-institutions. The approach places hidden multi-sorted deductive systems in a more general framework and bypasses the laborious reuse of well-known proof techniques from traditional abstract algebraic logic by using “off the shelf” tools.
    Źródło:
    Bulletin of the Section of Logic; 2016, 45, 2
    0138-0680
    2449-836X
    Pojawia się w:
    Bulletin of the Section of Logic
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A new approach to nonlinear modelling of dynamic systems based on fuzzy rules
    Autorzy:
    Bartczuk, Ł.
    Przybył, A.
    Cpałka, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/330372.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    nonlinear modelling
    dynamic system
    fuzzy system
    interpretability of fuzzy system
    evolutionary algorithm
    modelowanie nieliniowe
    układ dynamiczny
    system rozmyty
    algorytm ewolucyjny
    Opis:
    For many practical weakly nonlinear systems we have their approximated linear model. Its parameters are known or can be determined by one of typical identification procedures. The model obtained using these methods well describes the main features of the system’s dynamics. However, usually it has a low accuracy, which can be a result of the omission of many secondary phenomena in its description. In this paper we propose a new approach to the modelling of weakly nonlinear dynamic systems. In this approach we assume that the model of the weakly nonlinear system is composed of two parts: a linear term and a separate nonlinear correction term. The elements of the correction term are described by fuzzy rules which are designed in such a way as to minimize the inaccuracy resulting from the use of an approximate linear model. This gives us very rich possibilities for exploring and interpreting the operation of the modelled system. An important advantage of the proposed approach is a set of new interpretability criteria of the knowledge represented by fuzzy rules. Taking them into account in the process of automatic model selection allows us to reach a compromise between the accuracy of modelling and the readability of fuzzy rules.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2016, 26, 3; 603-621
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Credit Risk Modeling Using Interpreted XGBoost
    Modelowanie ryzyka kredytowego z wykorzystaniem interpretowalnego algorytmu XGBOOST
    Autorzy:
    Hernes, Marcin
    Adaszyński, Jędrzej
    Tutak, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/28703804.pdf
    Data publikacji:
    2023-12-27
    Wydawca:
    Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
    Tematy:
    credit risk
    risk modeling
    XGBoost
    machine learning interpretability
    explainable artificial intelligence
    ryzyko kredytowe
    modelowanie ryzyka
    interpretowalność uczenia maszynowego
    wyjaśnialna sztuczna inteligencja
    Opis:
    Purpose: The aim of the paper is to develop a credit risk assessment model usingb the XGBoost classifier supported by interpretation issues. Design/methodology/approach: The risk modeling is based on Extreme Gradient Boosting (XGBoost) in the research. It is a method used for regression and classification problems. It is based on a sequence of decision trees using a gradient-based optimization method of the loss function to minimize the errors of weak estimators. We use also methods for performing local and global interpretability: ceteris paribus charts, SHAP and feature importance approach. Findings: Based on the research results, it can be concluded that XGBoost achieved higher values of performance metrics than logistic regression, except sensitivity. It means that XGBoost indicated a smaller percentage of all bad client. Results of local interpretability enable a conclusion that in the case of the client in question, the credit decision is positively influenced by credit scores from external suppliers, while it is negatively influenced by minimal external scoring and short seniority. The number of years in the car and higher education are also positive. Such information helps to justify a negative credit decision. Results of global interpretability enable a conclusion that higher values of the traits associated with the z-scores are accompanied by negative Shapley values, which can be interpreted as a negative effect on the explanatory variable. Research limitations/implications: XGBoost, A ceteris paribus plot, SHAP, and feature importance methods can be used to develop a credit risk assessment model including machine learning interpretability. The main limitation of research is to compare the results of XGBoost only to the logistic regression results. Future research should focus on comparing the results of XGBoost to other machine learning methods, including neural networks. Originality/value: One of the key processes in a bank is the credit decision process, which is the evaluation of a client’s repayment risk. In the consumer finance sector, the processes are usually largely automated, and increasingly the latest machine learning methods based on neural networks and ensemble learning methods are being used for the purpose. Although machine learning models allow for achieving higher accuracy of credit risk assessment compared to traditional statistical methods, the main problem is the low interpretability of machine learning models. The models often perform as the “black box”. However, the interpretation of the results of risk assessment models is very important due to the need to explain to the client the reasons for assessing their credit risk.
    Cel: celem niniejszych badań jest opracowanie modelu oceny ryzyka kredytowego z wykorzystaniem klasyfikatora XGBoost z uwzględnieniem interpretowalności tego modelu. Metodologia: w niniejszych badaniach w celu modelowania ryzyka wykorzystano metodę Extreme Gradient Boosting (XGBoost). Jest to metoda stosowana do problemów regresji i klasyfikacji. Opiera się na sekwencji drzew decyzyjnych wykorzystujących gradientową metodę optymalizacji funkcji straty w celu minimalizacji błędów słabych estymatorów. Wykorzystano również metody umożliwiające dokonanie lokalnych i globalnych interpretacji: wykresy ceteris paribus, SHAP i badanie ważności cech. Wyniki: na podstawie wyników badań można stwierdzić, że XGBoost osiągnął wyższe wartości metryk efektywności niż regresja logistyczna, z wyjątkiem wartości metryki czułości, Oznacza to, że XGBoost wskazał mniejszy odsetek wszystkich złych klientów. Wyniki interpretacji lokalnej pozwalają stwierdzić, że w przypadku klienta na decyzję kredytową pozytywnie wpływają oceny punktowe od zewnętrznych dostawców, liczba lat samochodu oraz wykształcenie wyższe, natomiast negatywnie wpływają niska zewnętrzna ocena scoringowa oraz krótki staż pracy. Taka informacja pozwala na uargumentowanie negatywnej decyzji kredytowej. Wyniki interpretacji globalnej pozwalają wnioskować, że wyższym wartościom cech związanych ze wskaźnikami towarzyszą ujemne wartości Shapleya, co można interpretować jako negatywny efekt wpływu na zmienną objaśniającą. Ograniczenia/implikacje badawcze: metody XGBoost, A ceteris paribus plot, SHAP i feature importance mogą być wykorzystane do opracowania modelu oceny ryzyka kredytowego z uwzględnieniem interpretowalności uczenia maszynowego. Głównym ograniczeniem badań jest porównanie wyników XGBoost jedynie z wynikami regresji logistycznej. Przyszłe badania powinny skupić się na porównaniu wyników XGBoost z innymi metodami uczenia maszynowego, w tym z sieciami neuronowymi Oryginalność/wartość: jednym z kluczowych procesów realizowanych w bankach, jest proces podejmowania decyzji dotyczących udzielenia kredytów, czyli ocena ryzyka spłaty zobowiązania przez klienta. W sektorze finansów konsumenckich procesy te są zwykle w dużym stopniu zautomatyzowane, a coraz częściej wykorzystuje się w tym celu najnowsze metody uczenia maszynowego oparte na sieciach neuronowych i metodach uczenia zespołowego. Choć modele uczenia maszynowego pozwalają na osiągnięcie wyższej dokładności oceny ryzyka kredytowego w porównaniu z tradycyjnymi metodami statystycznymi, to głównym problemem jest niska interpretowalność modeli uczenia maszynowego. Modele te często występują jako „black box”. Interpretacja wyników modeli oceny ryzyka jest jednak bardzo ważna ze względu na konieczność wyjaśnienia klientowi powodów oceny jego ryzyka kredytowego.
    Źródło:
    European Management Studies; 2023, 21, 3; 46-70
    2956-7602
    Pojawia się w:
    European Management Studies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    New Methods for Designing and Reduction of Neuro-Fuzzy Systems
    Autorzy:
    Cpałka, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/108790.pdf
    Data publikacji:
    2010
    Wydawca:
    Społeczna Akademia Nauk w Łodzi
    Tematy:
    algorithm of best global eliminations
    algorithm of best local eliminations
    consecutive eliminations algorithm
    consecutive mergings algorithm
    interpretability
    logical approach
    neuro-fuzzy system
    Opis:
    In the paper, we propose novel methods for designing and reduction of neuro-fuzzy systems without the deterioration of their accuracy. The reduction and merging algorithms gradually eliminate inputs, rules, antecedents, and the number of discretization points of integrals in the center of area defuzzification method. Our algorithms have been tested using well known classification benchmark.
    Źródło:
    Journal of Applied Computer Science Methods; 2010, 2 No. 2; 113-126
    1689-9636
    Pojawia się w:
    Journal of Applied Computer Science Methods
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Handling fuzzy systems’ accuracy-interpretability trade-off by means of multi-objective evolutionary optimization methods – selected problems
    Autorzy:
    Gorzałczany, M. B.
    Rudziński, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/199824.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    accuracy and interpretability of fuzzy rule-based systems
    multi-objective evolutionary optimization
    genetic computations
    fuzzy systems
    dokładność systemów rozmytych
    optymalizacja
    obliczenia genetyczne
    systemy rozmyte
    Opis:
    The paper addresses several open problems regarding the automatic design of fuzzy rule-based systems (FRBSs) from data using multi-objective evolutionary optimization algorithms (MOEOAs). In particular, we propose: a) new complexity-related interpretability measure, b) efficient strong-fuzzy-partition implementation for improving semantics-related interpretability, c) special-coding-free implementation of rule base and original genetic operators for its processing, and d) implementation of our ideas in the context of well-known MOEOAs such as SPEA2 and NSGA-II. The experiments demonstrate that our approach is an effective tool for handling FRBSs’ accuracy-interpretability trade-off, i.e, designing FRBSs characterized by various levels of such a trade-off (in particular, for designing highly interpretability-oriented systems of still competitive accuracy).
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2015, 63, 3; 791-798
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    New frontiers of analysis, interpretation and classification of biomedical signals: a computational intelligence framework
    Autorzy:
    Gacek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/333497.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    sygnał EKG
    inteligencja obliczeniowa
    zbiory rozmyte
    granulki informacji
    ziarnista informatyka
    interpretacja
    klasyfikacja
    współdziałanie
    ECG signals
    computational intelligence
    neurocomputing
    fuzzy sets
    information granules
    granular computing
    interpretation
    classification
    interpretability
    Opis:
    The methods of Computational Intelligence (CI) including a framework of Granular Computing, open promising research avenues in the realm of processing, analysis and interpretation of biomedical signals. Similarly, they augment the existing plethora of "classic" techniques of signal processing. CI comes as a highly synergistic environment in which learning abilities, knowledge representation, and global optimization mechanisms and this essential feature is of paramount interest when processing biomedical signals. We discuss the main technologies of Computational Intelligence (namely, neural networks, fuzzy sets, and evolutionary optimization), identify their focal points and elaborate on possible limitations, and stress an overall synergistic character, which ultimately gives rise to the highly symbiotic CI environment. The direct impact of the CI technology on ECG signal processing and classification is studied with a discussion on the main directions present in the literature. The design of information granules is elaborated on; their design realized on a basis of numeric data as well as pieces of domain knowledge is considered. Examples of the CI-based ECG signal processing problems are presented. We show how the concepts and algorithms of CI augment the existing classification methods used so far in the domain of ECG signal processing. A detailed construction of granular prototypes of ECG signals being more in rapport with the diversity of signals analyzed is discussed as well. ECG signals, Computational Intelligence, neurocomputing, fuzzy sets, information granules, Granular Computing, interpretation, classification, interpretability.
    Źródło:
    Journal of Medical Informatics & Technologies; 2011, 17; 23-36
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies