PBRE：一种从训练好的神经网络中提取规则用于智能家居服务的方法
人工智能
2022-07-20 v1 人机交互
摘要
当多个服务与大量传感器和执行器同时部署时，设计智能家居服务是一项复杂任务。它可能依赖基于知识或数据驱动的方法。前者可使用基于规则的方法静态设计服务，后者可使用学习方法动态发现居民偏好。然而，这两种方法都不完全令人满意，因为规则无法覆盖所有可能变化的情况，而学习方法可能做出有时令居民难以理解的决策。本文提出PBRE（Pedagogic Based Rule Extractor，基于教学式的规则提取器），从学习方法中提取规则，以实现智能家居系统的动态规则生成。预期优势是同时采纳基于规则方法的可解释性与学习方法的动态性。我们将PBRE与现有规则提取方法比较，结果显示PBRE性能更优。我们还将PBRE应用于从以NRL（基于神经网络的强化学习）表示的智能家居服务中提取规则，结果表明PBRE可帮助该NRL模拟服务向居民提供可理解的建议。
引用
@article{arxiv.2207.08814,
title = {PBRE: A Rule Extraction Method from Trained Neural Networks Designed for Smart Home Services},
author = {Mingming Qiu and Elie Najm and Remi Sharrock and Bruno Traverson},
journal= {arXiv preprint arXiv:2207.08814},
year = {2022}
}