循环神经网络规则提取的实证评估
机器学习
2018-11-16 v5
摘要
在实施前需要模型验证的领域（如信用评分和医疗诊断），从黑盒模型中提取规则至关重要。尽管这在统计学习中通常已是一个具有挑战性的问题，但当高度非线性的递归模型（如循环神经网络(RNN)）拟合数据时，难度会更大。在此，我们研究从训练用于识别 Tomita 语法的二阶循环神经网络中提取规则。我们表明，可以从训练好的 RNN 中稳定地提取产生式规则，并且在某些情况下，这些规则的表现优于训练好的 RNN。
引用
@article{arxiv.1709.10380,
title = {An Empirical Evaluation of Rule Extraction from Recurrent Neural Networks},
author = {Qinglong Wang and Kaixuan Zhang and Alexander G. Ororbia and Xinyu Xing and Xue Liu and C. Lee Giles},
journal= {arXiv preprint arXiv:1709.10380},
year = {2018}
}